形態的類似性を利用したロボット動力学モデルの効率的な転移学習
Efficient Transfer Learning of Robot Dynamic Models Using Morphological Similarity
ソフトフィン駆動水中ロボットの動力学モデルを、形態が類似する別サイズのロボットへ転移学習する手法を提案。オートエンコーダによるドメイン適応で、ラベルなしの対象ロボットでも速度推定を可能にした。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Pavlo Kupyn, Yuya Hamamatsu, Roza Gkliva, Asko Ristolainen, Maarja Kruusmaa
分類: cs.RO
原文アブストラクト
This study proposes a neural network-based transfer learning framework for modeling the dynamics of soft, fin-actuated underwater robots. We focus on morphologically similar robots that differ in scale and hydrodynamic properties. A model trained on data from a larger robot (source domain) is adapted to a smaller one (target domain) with limited labeled data. To enable label-efficient transfer, we develop an autoencoder-based domain adaptation approach that learns a shared latent representation aligning the dynamics of both robots. Experiments on two real underwater robots show that the proposed method enables accurate state estimation of the body-frame velocities on a target platform without labeled data, highlighting its potential for efficient cross-robot dynamics transfer among morphologically similar platforms.
