論文
フィジカルAI関連の最新論文を、日本語のひとことで。原題は英語です。
最新論文: 2020/11/1 / arXivを3時間ごとに自動収集
📖 UMIデバイス・カタログ(日本語版)UMI式データ収集デバイスと主要データセットを日本語で俯瞰 →- 論文sim2real画像認識
視覚言語ナビゲーションのsim2real転移
シミュレーションで学習した視覚言語ナビゲーションエージェントを実機ロボットに転移し、サブゴールモデルとドメインランダム化で精度を検証した。
原題: Sim-to-Real Transfer for Vision-and-Language Navigation / Peter Anderson, Ayush Shrivastava, Joanne Truong 他
日本語で読む → - 論文sim2realロボティクス
NeuralSim: ニューラルネットワークで微分可能シミュレータを拡張する
微分可能な剛体物理エンジンにニューラルネットワークを組み込み、摩擦接触などの複雑なダイナミクスを実データから学習するとともに、四足歩行のモデル予測制御のQPソルバをNNに置き換えて10倍高速化を実現した。
原題: NeuralSim: Augmenting Differentiable Simulators with Neural Networks / Eric Heiden, David Millard, Erwin Coumans 他
日本語で読む → - 論文sim2realロボティクス
音響による確率的ダイナミクスのsim-to-realフレームワークSTReSSD
跳ねるボールの衝突音から反発係数やノイズモデルをベイズ推定し、確率的シミュレータを実環境に校正して、カップイン予測やロボットアームによるリアルタイム打球実験を実現した。
原題: STReSSD: Sim-To-Real from Sound for Stochastic Dynamics / Carolyn Matl, Yashraj Narang, Dieter Fox 他
日本語で読む → - 論文手術ロボット/sim2realロボティクス
手術ロボット自律化のための位置ベース動力学を用いた変形軟組織の実環境-シミュレーション登録
視覚による3D再構成と位置ベース動力学(PBD)をオンラインで統合し、軟組織の変形をシミュレーション上で継続的に登録・更新する手法を提案し、da Vinci Research Kitで検証した。
原題: Real-to-Sim Registration of Deformable Soft Tissue with Position-Based Dynamics for Surgical Robot Autonomy / Fei Liu, Zihan Li, Yunhai Han 他
日本語で読む → - 論文sim2real画像認識
実世界の歩行者を復元しシミュレーションする
自動運転車のセンサデータから歩行者の形状と動きを復元し、LiDARシミュレーションに組み込んで学習データ削減に貢献する手法を提案。
原題: Recovering and Simulating Pedestrians in the Wild / Ze Yang, Siva Manivasagam, Ming Liang 他
日本語で読む → - 論文sim2realロボティクス
操作プリミティブ列の強化学習によるロボット組立
組立作業を「接触するまで下降」などの操作プリミティブの動的系列として表現し、強化学習で自動獲得してシミュレーションから実機へ直接転送する手法を提案した論文。
原題: Learning Sequences of Manipulation Primitives for Robotic Assembly / Nghia Vuong, Hung Pham, Quang-Cuong Pham
日本語で読む → - 論文sim2realロボティクス
手術ロボット技能データベースDESKによる戦場医療への知識転移
4種類の手術ロボットでペグ移動タスクの技能データを収集し、シミュレーションと実機データを組み合わせた転移学習でロボット間の技能移行を評価した研究。
原題: From the DESK (Dexterous Surgical Skill) to the Battlefield -- A Robotics Exploratory Study / Glebys T. Gonzalez, Upinder Kaur, Masudur Rahma 他
日本語で読む → - 論文sim2realロボティクス
RetinaGAN:物体認識を考慮したSim-to-Real転移手法
物体検出の一貫性を保ちながらシミュレーション画像を実画像へ変換するGANを提案し、把持・押し・ドア開けの実タスクでsim-to-real性能を向上させた。
原題: RetinaGAN: An Object-aware Approach to Sim-to-Real Transfer / Daniel Ho, Kanishka Rao, Zhuo Xu 他
日本語で読む → - 論文sim2real画像認識
PREGAN: 弱ペア画像スタイル変換のための姿勢ランダム化と推定
姿勢誤差を含む弱ペア画像間のスタイル変換を、ランダム姿勢変換と微分可能な姿勢推定器による敵対的学習で実現した手法。
原題: PREGAN: Pose Randomization and Estimation for Weakly Paired Image Style Translation / Zexi Chen, Jiaxin Guo, Xuecheng Xu 他
日本語で読む → - 論文sim2real画像認識
ドメイン不変表現学習によるSim-to-Real転送
シミュレーションと実環境の入力・出力分布を敵対的学習で同時に整列し、少量の実データで視覚モデルを実環境に適応させる手法を提案。物体認識のsim-to-real転送精度を26.8%から91.0%に改善した。
原題: DIRL: Domain-Invariant Representation Learning for Sim-to-Real Transfer / Ajay Kumar Tanwani
日本語で読む → - 論文sim2realロボティクス
身体性ナビゲーションエージェントのSim2Real転移のための双方向ドメイン適応
実世界とシミュレーションのギャップを双方向に埋める手法BDAを提案し、PointGoalナビゲーションで5kサンプルのみで約600kサンプル相当の性能を達成した。
原題: Bi-directional Domain Adaptation for Sim2Real Transfer of Embodied Navigation Agents / Joanne Truong, Sonia Chernova, Dhruv Batra
日本語で読む → - 論文sim2realロボティクス
運動学的ドメインランダム化と適応による方策転送
シミュレーションでリンク長などの運動学パラメータをランダム化する方が動的パラメータのランダム化より転送性能が高いことを見出し、仮想運動学パラメータで条件付けした方策群をベイズ最適化で適応させる手法を提案した。
原題: Policy Transfer via Kinematic Domain Randomization and Adaptation / Ioannis Exarchos, Yifeng Jiang, Wenhao Yu 他
日本語で読む → - 論文sim2realロボティクス
ベジェ曲線とダイナミクス・ドメインランダム化による脚式ロボットのsim-to-real歩容変調
ランダム化した力学・地形下の強化学習で、開ループのベジェ曲線歩容生成器を慣性計測のみで変調し、未知の不整地を歩行できる四脚ロボットのsim-to-real手法を提案した論文。
原題: Dynamics and Domain Randomized Gait Modulation with Bezier Curves for Sim-to-Real Legged Locomotion / Maurice Rahme, Ian Abraham, Matthew L. Elwin 他
日本語で読む → - 論文sim2realロボティクス
捕食者・被食者エージェントをシミュレーションから実世界へ学習させるフレームワーク
カメラと赤外線センサを入力とする捕食者・被食者ロボットをNEATで共進化させ、Gym・ROS・Gazeboを統合した枠組みでシミュレーションから実機まで一貫して学習・評価できるようにした。
原題: A Framework for Learning Predator-prey Agents from Simulation to Real World / Jiunhan Chen, Zhenyu Gao
日本語で読む → - 論文sim2real機械学習
視覚ナビゲーションのための教師なしドメイン適応
シミュレーションで学習した視覚ナビゲーション方策を実世界に転移するため、ナビゲーション方策の表現と整合するよう目標ドメイン画像を源ドメインへ変換する教師なしドメイン適応手法を提案した。
原題: Unsupervised Domain Adaptation for Visual Navigation / Shangda Li, Devendra Singh Chaplot, Yao-Hung Hubert Tsai 他
日本語で読む → - 論文sim2real機械学習
ノイズ環境下での不確実性を考慮した数ショットモデル適応
カルマンフィルタに基づく不確実性考慮型ニューラルネットワークで、ノイズのある実環境におけるダイナミクスモデルの数ショット適応を実現し、LSTMベースや強化学習ベースの手法より適応誤差を低減した。
原題: Few-shot model-based adaptation in noisy conditions / Karol Arndt, Ali Ghadirzadeh, Murtaza Hazara 他
日本語で読む → - 論文sim2real機械学習
強化学習は物理エンジンをまたいで汎化できるか
複数の深層強化学習アルゴリズムを様々な制御タスクで比較し、物理エンジン間の汎化性能を検証した。MuJoCoで学習した場合は他エンジンへ転移しやすい一方、PyBulletで学習した場合は汎化しないことを示した。
原題: Can Reinforcement Learning for Continuous Control Generalize Across Physics Engines? / Aaqib Parvez Mohammed, Matias Valdenegro-Toro
日本語で読む → - 論文sim2real機械学習
ロボティクスにおける深層強化学習のSim-to-Real転移:サーベイ
深層強化学習のシミュレーションから実機への転移(sim-to-real)に関する研究を体系的に整理し、ドメインランダム化や適応、模倣学習、メタ学習、知識蒸留などの主要手法と課題を概観したサーベイ論文。
原題: Sim-to-Real Transfer in Deep Reinforcement Learning for Robotics: a Survey / Wenshuai Zhao, Jorge Peña Queralta, Tomi Westerlund
日本語で読む → - 論文sim2realロボティクス
複数環境を活用した学習と意思決定:解体作業への応用
物理シミュレータなど複数の環境を実行時に使い分け、ロボット行動の結果確率を学習するMENID表現と行動分配アルゴリズムを提案し、解体作業で有効性を示した。
原題: Leveraging Multiple Environments for Learning and Decision Making: a Dismantling Use Case / Alejandro Suárez-Hernández, Thierry Gaugry, Javier Segovia-Aguas 他
日本語で読む → - 論文sim2realロボティクス
シミュレーションと実環境で動作する堅牢な強化学習ベースの自動運転エージェント
単眼カメラ入力でレーン追従するDQNエージェントをシミュレータで訓練し、実環境のDuckietownでも動作することを示した研究。
原題: Robust Reinforcement Learning-based Autonomous Driving Agent for Simulation and Real World / Péter Almási, Róbert Moni, Bálint Gyires-Tóth
日本語で読む → - 論文sim2real機械学習
確率的ダイナミクスモデルによるsim-to-real転送性能の予測
強化学習ポリシーの実機転送性能を、実機ロールアウトなしで予測する指標を提案。確率的ダイナミクスモデルを実機軌道で評価し、複雑なマニピュレーションタスクで実機性能と高い相関を示した。
原題: Predicting Sim-to-Real Transfer with Probabilistic Dynamics Models / Lei M. Zhang, Matthias Plappert, Wojciech Zaremba
日本語で読む → - 論文sim2realロボティクス
精密農業におけるロボットマニピュレーションのためのSim2Realの重要性と限界
精密農業ロボットでは動力学と視覚の詳細なシミュレーション精度が求められるが、現行のSim2Real技術では不十分であることを論じた論文。
原題: The Importance and the Limitations of Sim2Real for Robotic Manipulation in Precision Agriculture / Carlo Rizzardo, Sunny Katyara, Miguel Fernandes 他
日本語で読む → - 論文sim2realロボティクス
ロボットサッカーにおける強化学習とsim-to-realのためのフレームワーク
小型ロボットサッカー(VSSS)向けに強化学習とドメイン適応によるsim-to-realを研究するオープンフレームワークVSSS-RLを提案し、実機で人間設計の制御を破り国際大会で4位を達成した。
原題: A Framework for Studying Reinforcement Learning and Sim-to-Real in Robot Soccer / Hansenclever F. Bassani, Renie A. Delgado, José Nilton de O. Lima Junior 他
日本語で読む → - 論文sim2realロボティクス
確率的接地行動変換によるシミュレーション内ロボット学習
実環境の確率的な遷移を考慮してシミュレータを接地するSGATを提案し、シミュレーションと実機の両方で確率的な環境に頑健な方策を得られることを示した。
原題: Stochastic Grounded Action Transformation for Robot Learning in Simulation / Siddharth Desai, Haresh Karnan, Josiah P. Hanna 他
日本語で読む → - 論文sim2real画像認識
タスク蒸留によるドメイン適応
画像認識データセットを介してシミュレータ間でナビゲーションポリシーを転移するタスク蒸留フレームワークを提案し、ViZDoom・SuperTuxKart・CARLA間の転移に成功した。
原題: Domain Adaptation Through Task Distillation / Brady Zhou, Nimit Kalra, Philipp Krähenbühl
日本語で読む → - 論文sim2realロボティクス
ギャップを越えて:動力学におけるゼロショットsim-to-real転送の深掘り
複雑な動力学タスクのゼロショットsim-to-real転送を実世界で客観評価し、単純なランダム力注入が複雑な手法と同等の性能を持つことを示した。
原題: Crossing The Gap: A Deep Dive into Zero-Shot Sim-to-Real Transfer for Dynamics / Eugene Valassakis, Zihan Ding, Edward Johns
日本語で読む → - 論文ベンチマーク/sim2realロボティクス
BenchBot:フォトリアル3Dシミュレーションと実機ロボットで研究を評価するベンチマーク基盤
シミュレーションと実機を同じインターフェースで扱えるロボティクス研究用ベンチマークシステムBenchBotを提案し、その構成と利点を述べた論文。
原題: BenchBot: Evaluating Robotics Research in Photorealistic 3D Simulation and on Real Robots / Ben Talbot, David Hall, Haoyang Zhang 他
日本語で読む → - 論文sim2realロボティクス
強化学習による接地行動変換を用いたsim2real転移
シミュレータの現実ギャップを埋めるため、接地ステップ自体を強化学習で行うRGATを提案し、ニューラルネット方策のMuJoCoタスクでの実機転移に成功した。
原題: Reinforced Grounded Action Transformation for Sim-to-Real Transfer / Haresh Karnan, Siddharth Desai, Josiah P. Hanna 他
日本語で読む → - 論文sim2realロボティクス
動的な自然植物に対する再現可能な剪定システム:圃場農業ロボット向け
動くブドウの枝を対象に、シミュレーションで学習した剪定技能を実機へ転移するマルチモーダル枠組みを提案し、力覚制御と検出・クラスタリングで有効な剪定点を決定する。
原題: Reproducible Pruning System on Dynamic Natural Plants for Field Agricultural Robots / Sunny Katyara, Fanny Ficuciello, Darwin G. Caldwell 他
日本語で読む → - 論文sim2realロボティクス
Sim2Real学習のトレードオフ:実世界学習がシミュレーションより速い
深層ベイズ強化学習とモデルフリーDRLをシミュレーションと実世界で比較し、計算時間を含めても実世界でのベイズ学習が効率的で、純粋な実世界学習がシミュレーション混合を上回ることを示した論文。
原題: Trade-off on Sim2Real Learning: Real-world Learning Faster than Simulations / Jingyi Huang, Yizheng Zhang, Fabio Giardina 他
日本語で読む →
PR・アフィリエイト広告
