利用双曲嵌入进行粗到精的机器人设计

Nov, 2023

利用双曲嵌入进行粗到精的机器人设计

Leveraging Hyperbolic Embeddings for Coarse-to-Fine Robot Design

Heng Dong, Junyu Zhang, Chongjie Zhang

TL;DR多细胞机器人设计中的粗粒细粒方法结合超载共同空间与交叉熵优化方法，实现了在探索的超空间中自动识别和聚焦有潜力区域的设计，通过广泛的实证研究在各类挑战任务中展现了其优越的效率与广泛应用的能力。

Abstract

multi-cellular robot design aims to create robots comprised of numerous cells that can be efficiently controlled to perform diverse tasks. Previous research has demonstrated the ability to generate robots for various tasks, but these approaches often optimize robots directly in the vas

multi-cellular robot design coarse-to-fine method hyperbolic embeddings for robot design cross-entropy method efficiency and generalization capability

发现论文，激发创造

具有层次间隔提升的双曲空间用于从粗标签中提升细粒度学习

将视觉嵌入表示为分层余弦边界方法的超凸空间，并通过增强其辨别能力解决有限标签细粒度任务中的挑战，展示了所提方法在五个基准数据集上实验的有效性，取得了超越竞争方法的最先进结果。

Nov, 2023

HERD: 持续人机进化的学习人类示范方法

本论文介绍了如何通过微进化强化学习的方法，将人类操作技能转移到商业机器人上，同时提出了多维进化路径搜索算法以及专家人类代理政策的转移，通过实验验证了该框架的有效性。

Dec, 2022

探究机器人设计对学习和神经控制的影响

通过设计机器人体形，可以在多任务场景下克服神经控制器所遇到的许多问题，从而实现设计更通用、需要更少计算力的机器人。

Jun, 2023

面向细粒度情感分类的标签感知双曲嵌入

本论文提出了 HypEmo，一种能够融合双曲嵌入以提高情感分类任务性能的新型框架。我们使用超平面空间中的标签嵌入来更好地捕捉其层次结构，然后将上下文表示投射到该空间中来计算样本和标签之间的距离，并发现相对于现有技术，使用此距离加权交叉熵损失能够大大提高性能并减少参数和训练时间。

Jun, 2023

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

用于自主机器人的层级生成建模

用分层生成模型实现人类灵感的机器人运动控制与自主完成目标驱动任务。

Aug, 2023

基于神经启发的层次强化学习在运动控制中的应用

通过仿效哺乳动物中央运动系统机制，我们提出了一种神经启发的分层强化学习算法，使得机器人能够学习丰富的运动技能并将其应用于复杂的任务环境中，而不依赖外部数据。

Nov, 2023

深层神经网络的层级对抗鲁棒性的提升

介绍了一种分类网络设计 -- 分层敌对强韧网络（HAR），将分类任务分解成一个粗分类和多个细分类任务，在经过敌对防御技术的有针对性训练后，极大地提高了神经网络对层次攻击的强度，实验表明对 CIFAR 数据集 L2 和 L∞有显著改进。

Feb, 2021

微型机器人形态和控制器的高效学习

本论文提出了一种基于层次贝叶斯优化的新方法，HPC-BBO，能够自动高效地设计硬件配置并通过相应的控制器进行自动调优，从而显著减少生产周期，并在模拟六足微型机器人的设计中验证了其优越性。

May, 2019

四足动物运动的分层强化学习

本文介绍一种利用层次化框架实现四足机器人路径跟踪任务的方法，其中高层策略以潜在空间向低层策略发出指令，并控制其执行的时间，低层策略使用潜在指令和机器人传感器来控制机器人的执行器，以完成任务需求，同时可以实现训练后的低层策略的高效迁移，为实现端到端的层次化深度学习提供了理论支持。

May, 2019