論文の概要: Evolving Dexterous Robots from Scratch

• arxiv url: http://arxiv.org/abs/2609.33101v1
• Date: Sun, 27 Sep 2026 02:15:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 10:30:36.851704
• Title: Evolving Dexterous Robots from Scratch
• Title（参考訳）: スクラッチから脱軸ロボットを進化させる
• Abstract要約: 私たちはフリーフォームロボットを進化させ、さまざまな物体を拾い上げ、保持し、回転させ、使用します。 我々は、対照的な学習を用いて、非常に検索可能なデザイン空間の遺伝的埋め込みを作成します。 勝利したデザインは、自動的に製造可能な青写真に変換され、印刷され、組み立てられ、実世界でゼロショットでテストされた。
• 参考スコア（独自算出の注目度）: 10.40631132560672
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Little is known about how to manually design agents capable of dexterous manipulation. Some design principles have been inferred from close examination of how animals manipulate objects, but these structures and behaviors have so far resisted biomimicry and may not be optimal for artificial machines. Here we evolve freeform robots to pick up, hold, rotate, and use diverse objects. Unlike other approaches to optimizing robot hands, we do not presuppose the presence, articulation, or geometry of any part of the body. Although familiar prehensile forms such as tails, beaks, paws and claws may emerge spontaneously under certain conditions--and while such conditions could be of interest to evolutionary biologists--de novo manipulator design can also reveal whole new solutions, overlooked or unknown structures which may be better suited for the task at hand. We use contrastive learning to create a highly searchable genetic embedding of design space, an autoregressive developmental model to decode designs, evolutionary strategies to find good designs, and reinforcement learning to train each evolved design. Winning designs were automatically converted into a manufacturable blueprint, printed, assembled and tested in the real world in a zero-shot manner. The results represent the state-of-the-art in evolutionary robotics in terms of performance, diversity and complexity.
• Abstract（参考訳）: 巧妙な操作が可能なエージェントを手動で設計する方法については、ほとんど知られていない。 いくつかの設計原則は、動物がどのように物体を操作するかの綿密な検証から推測されているが、これらの構造と行動はこれまでのところバイオミミクリーに抵抗しており、人工機械には最適ではないかもしれない。 ここでフリーフォームロボットを進化させ、さまざまな物体を拾い上げ、保持し、回転させ、使用する。 ロボットハンドを最適化する他のアプローチとは異なり、私たちは身体のあらゆる部分の存在、調音、幾何学を前提としません。 尾、くちばし、爪、爪といったよく知られた包括的形態は、ある条件下で自然に出現することがあるが、そのような条件は進化生物学者には興味があるかもしれない。 コントラスト学習を用いて、高度に探索可能なデザイン空間の遺伝的埋め込み、デザインをデコードするための自己回帰的発達モデル、優れたデザインを見つけるための進化戦略、そして進化したデザインを訓練するための強化学習を作成する。 勝利したデザインは、自動的に製造可能な青写真に変換され、印刷され、組み立てられ、実世界でゼロショットでテストされた。 結果は、パフォーマンス、多様性、複雑さの点で、進化的ロボティクスの最先端を表現している。

関連論文リスト

• Creating manufacturable blueprints for coarse-grained virtual robots [7.863042150602543]
  ロボット設計空間のブループリントへのマッピングを自動化する。 このパイプラインは、モーター、エレクトロニクス、バッテリー、配線の構造的および機能的意味論を抽象的な仮想設計に組み込むことで、製造上の制約を段階的に解決する。 進化の代わりに、ボディプランのユーザ定義またはAI生成スケッチ'もパイプラインへの入力として提供でき、新規ロボットの設計を加速するための汎用的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2026-03-13T20:44:54Z)
• Toward Humanoid Brain-Body Co-design: Joint Optimization of Control and Morphology for Fall Recovery [55.951691393378354]
  フォールリカバリのためのスケーラブルなヒューマノイド共同設計フレームワークであるRoboCraftを提案する。 複数の設計にまたがって事前訓練された共有ポリシーは、ハイパフォーマンスな形態に対して徐々に微調整される。 実験の結果、RoboCraftは7つの公用ヒューマノイドロボットで平均44.55%のパフォーマンス向上を達成した。
  論文  参考訳（メタデータ） (2025-10-25T15:40:18Z)
• Evolution and learning in differentiable robots [0.0]
  我々は、異なるシミュレーションを用いて、多数の候補体計画において、行動の個々の神経制御を迅速かつ同時に最適化する。 個体群における各ロボットの機械的構造の変化は,探索の外ループに遺伝的アルゴリズムを適用した。 シミュレーションで発見された非常に微分可能な形態の1つは、物理ロボットとして実現され、その最適化された振る舞いを維持できた。
  論文  参考訳（メタデータ） (2024-05-23T15:45:43Z)
• DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative Diffusion Models [102.13968267347553]
  本稿では,様々なタスクにおいて優れたソフトロボット形態を生成する物理拡張拡散モデルであるDiffuseBotを提案する。 我々は、その能力とともに、シミュレーションされた、そして製造された様々なロボットを紹介します。
  論文  参考訳（メタデータ） (2023-11-28T18:58:48Z)
• Reinforcement learning for freeform robot design [0.0]
  任意の外部構造と内部構造を持つ自由形ロボットを設計するためのポリシー勾配を示す。 これは、原子構造ブロックの束を堆積または除去して、付属物、臓器、空洞のような高いレベルの非パラメトリックマクロ構造を形成する作用によって達成される。
  論文  参考訳（メタデータ） (2023-10-09T12:39:44Z)
• Robot Learning with Sensorimotor Pre-training [98.7755895548928]
  ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。 我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。 感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
  論文  参考訳（メタデータ） (2023-06-16T17:58:10Z)
• HERD: Continuous Human-to-Robot Evolution for Learning from Human Demonstration [57.045140028275036]
  本研究では,マイクロ進化的強化学習を用いて,操作スキルを人間からロボットに伝達可能であることを示す。 本稿では,ロボットの進化経路とポリシーを協調的に最適化する多次元進化経路探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-12-08T15:56:13Z)
• Data-driven emotional body language generation for social robotics [58.88028813371423]
  社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。 我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。 評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
  論文  参考訳（メタデータ） (2022-05-02T09:21:39Z)
• Evolution Gym: A Large-Scale Benchmark for Evolving Soft Robots [29.02903745467536]
  ソフトロボットの設計と制御を最適化する最初の大規模ベンチマークであるEvolution Gymを提案する。 私たちのベンチマーク環境は、様々な種類の地形の移動や操作など、幅広いタスクにまたがっています。 我々は,最先端設計最適化手法と深層強化学習手法を組み合わせることで,複数のロボット共進化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-01-24T18:39:22Z)
• Learning Agile Robotic Locomotion Skills by Imitating Animals [72.36395376558984]
  動物の多様でアジャイルな運動スキルを再現することは、ロボット工学における長年の課題である。 そこで本研究では,現実世界の動物を模倣することで,足のロボットがアジャイルな運動能力を学ぶことができる模倣学習システムを提案する。
  論文  参考訳（メタデータ） (2020-04-02T02:56:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。