Sep, 2023

优化模块化机器人构造：一种词典遗传算法的方法

PDF
TL;DR我们提出了将遗传算法与词典式评估候选解相结合的方法，以克服模块化机器人设计中的优化模块组成问题，从而开辟了超过之前工作数量级的搜索空间。我们证明了我们的方法优于最先进的基准线，并能够合成用于杂乱环境中的工业任务的模块化机器人。
发现论文，激发创造
  • 模块化元学习

    本文提出了一种学习一组神经网络模块并以不同方式组合的策略，并通过重复使用模块来实现组合概括，提高机器人相关问题的性能。

    Jun, 2018

  • 复杂环境下机器人路径规划的一种基于知识的遗传算法

    提出了一种新颖的基于知识的遗传算法，用于在非结构化复杂环境中规划移动机器人的路径规划，其中独特的路径表示方法和有效的路径评估方法使其能够准确检测冲突并在静态 / 动态复杂环境中找到接近最优的机器人路径。

    Sep, 2022

  • 机器人的高效自动设计

    该论文提出基于进化算法进行机器人设计的新方法，通过随机生成初始身体结构，能够优化设计一种可行的四足机器人结构，具备高效行走能力，并通过自动化制造实现机器人的快速设计制造和部署。

    Jun, 2023

  • 任意机器人形态的控制器架构和学习机制比较

    通过实验证明，网络控制器与进化算法、强化学习等学习方法的组合对于形态演化机器人的性能、效率和稳定性有重要影响。

    Sep, 2023

  • 基于感知驱动的模块化机器人自主系统

    通过在未知环境下实现感知、高层规划和模块化硬件的集成，我们展示了一种模块化机器人系统，能够通过反应式重新配置来完成高级任务。该系统在三次硬件演示中得到验证，为模块化自重构机器人应对现实世界任务的设计奠定了基础。

    Sep, 2017

  • 大规模多机器人组装规划的自主制造

    移动自主机器人在制造过程中具有改革性潜力。我们提出了一个完整的算法堆栈，用于解决制造中的挑战，并能够在几分钟内为成千上万个零部件设计复杂的装配计划。

    Oct, 2023

  • 学习控制自组装形态：模块化通用性研究

    本文探讨了一种模块化协同进化策略，通过多个原始代理的动态自组装进而形成复合体来控制机动物体，与传统复杂代理的学习方法不同。作者通过在模拟环境中进行实验，展示了这一方法比静态和单片基线更好地适应环境变化和测试时间变化的性能。

    Feb, 2019

  • 发现组件化概括性的模块化解决方案

    通过模块性和超网络的研究，我们证明了从有限数据中的元学习可以发现能够组合性地概括的模块化解决方案。

    Dec, 2023

  • 平面软生长机器人操纵器的设计优化器

    这项工作提出了一种软体生长机器人设计优化的新方法，通过多目标优化问题的数学建模和演化算法，实现了软体机械臂的运动链优化，以解决特定任务并避免不必要的材料和资源浪费。实验证明该方法在性能和资源消耗方面优于现有文献中的方法。

    Oct, 2023

  • COMPOSER: 蛇形机器人的可扩展和稳健的模块化策略

    我们提出了一种控制策略，通过将蛇形机器人视为模块化机器人，并将其控制形式化为合作多智能体强化学习问题，以有效降低蛇形机器人的高维度，并利用其冗余性，通过自注意机制增强智能体之间的合作行为，并引入高层次想象策略以提供额外奖励来指导低层控制策略。我们的方法 COMPOSER 在目标到达、攀爬墙壁、形成形状、通过管道和推动方块等五个蛇形机器人任务中取得了最高的成功率，相比于集中式基线和四种模块化策略基线，我们还证明了所提方法对模块损坏的增强鲁棒性和显着的零 - shot 泛化能力的优势。

    Oct, 2023