モデル ロボット工学における進化的メタラーニングの探索(3/3)
１．ロボット工学における進化的メタラーニングの探索(3/3)まとめ ・ES-MAMLは優れたパフォーマンスを持つが現実世界に展開する事は依然として困難 ・現実世界のデータをできるだけ少なくするために、新規にバッチ山登り法を導入 ・その結果、...
robotics
モデル モデル ロボット工学における進化的メタラーニングの探索(2/3)
１．ロボット工学における進化的メタラーニングの探索(2/3)まとめ ・MAMLの代わりに進化的戦略であるES-MAMLを使うと確率性に関する競合を回避できる ・ESはパラメータが少ないため展開が容易で電力効率が高く効率的でコンパクトな学習が...
モデル ロボット工学における進化的メタラーニングの探索(1/3)
１．ロボット工学における進化的メタラーニングの探索(1/3)まとめ ・シミュレーションによりロボットのトレーニングは実現しやすくなったがギャップが存在 ・シミュレーション環境と現実世界の間に存在する微妙なギャップで意図した通りに動かない ・...
学習手法 動物の動きからロボットを俊敏に動かすコツを学ぶ
１．動物の動きからロボットを俊敏に動かすコツを学ぶまとめ ・歩いている動物の動画から制御ポリシーをトレーニングする強化学習フレームワークが発表 ・サンプル効率の高い潜在空間適応手法を使用して現実世界への転移を効率的に行っている ・人間による...
学習手法 視覚タスクで学習した重みをロボット操作タスクに転移学習する試み(3/3)
１．視覚タスクで学習した重みをロボット操作タスクに転移学習する試み(3/3)まとめ ・把握ロボットではヘッドとバックボーンの両方を転送した方がバックボーン部のみより成功率が高い ・物体の位置を認識する必要がない画像分類タスクなどの重みはパフ...
モデル 視覚タスクで学習した重みをロボット操作タスクに転移学習する試み(2/3)
１．視覚タスクで学習した重みをロボット操作タスクに転移学習する試み(2/3)まとめ ・多くの視覚タスクモデルは「バックボーン(backbone)」と「ヘッド(head)」の2つの部分から構成される ・ヘッドはタスク固有でもあるため転移学習で...
学習手法 視覚タスクで学習した重みをロボット操作タスクに転移学習する試み(1/3)
１．視覚タスクで学習した重みをロボット操作タスクに転移学習する試み(1/3)まとめ ・ロボットが「物体に対して何が出来て何が出来ないのか？」を直接知覚できるようになると学習効率が良い ・これをアフォーダンスベースの操作と言い入力画像にアクシ...
モデル ClearGrasp:透明な物体を認識可能な機械学習アルゴリズム(3/3)
１．ClearGrasp:透明な物体を認識可能な機械学習アルゴリズム(3/3)まとめ ・合成データセットには地面に設置された透明な物体のみが含まれるという制限があった ・Matterport3DおよびScanNetデータセットのデータを利用...
ロボット Google Research：2019年の振り返りと2020年以降に向けて(7/8)
１．Google Research：2019年の振り返りと2020年以降に向けて(7/8)まとめ ・機械学習をロボットの制御に応用するために特に強化学習を使った研究が行われた ・世界モデルの学習やポリシーにランダム性を取り込む事、オープンソ...
ロボット ロボット学習のためにシミュレーションと現実のギャップを埋める(4/4)
１．ロボット学習のためにシミュレーションと現実のギャップを埋める(4/4)まとめ ・合成画像とドメイン適応のみで現実世界のデータを使用せずとも一定レベルのパフォーマンスを達成 ・シミュレーションと現実世界の経験を統合するためにドメイン適応を...
ロボット ロボット学習のためにシミュレーションと現実のギャップを埋める(3/4)
１．ロボット学習のためにシミュレーションと現実のギャップを埋める(3/4)まとめ ・シミュレーションのランダム化は現実世界の環境に一般化する上で有望な手法である事がわかっている ・外観のランダム化とダイナミクスのランダム化について個々に評価...
ロボット ロボット学習のためにシミュレーションと現実のギャップを埋める(2/4)
１．ロボット学習のためにシミュレーションと現実のギャップを埋める(2/4)まとめ ・ロボットが直面するシミュレーションと現実世界のギャップを埋めるためには以下が重要 ・シミュレートされた経験がニューラルネットワークにとって現実世界と変わらな...