DiffuseBot: Breeding Soft Robots With Physics-Augmented Generative Diffusion Models

要約

自然は、高度に複雑な形態学的および行動的知性を備えた生物を進化させますが、一方、計算手法はその多様性と有効性に近づくのが遅れています。
インシリコでの人工生物の形態と制御の同時最適化は、物理的なソフトロボット工学や仮想キャラクターの作成への応用が期待できることを示しています。
ただし、そのようなアプローチでは、純粋な構造の上に機能を推論できる新しい学習アルゴリズムを開発する必要があります。
この論文では、幅広いタスクで優れた能力を発揮できるソフト ロボットの形態を生成する物理拡張拡散モデルである DiffuseBot を紹介します。
DiffuseBot は、(i) パフォーマンスの証明書を提供する物理的な動的シミュレーションで拡散プロセスを強化し、(ii) を活用して物理的な設計と制御を共同で最適化する共同設計手順を導入することによって、仮想的に生成されたコンテンツと物理的なユーティリティの間のギャップを埋めます。
微分可能なシミュレーションからの物理的感度に関する情報。
さまざまなシミュレーションおよび作製されたロボットをその機能とともに紹介します。
私たちのウェブサイト https://diffusebot.github.io/ をチェックしてください。

要約(オリジナル)

Nature evolves creatures with a high complexity of morphological and behavioral intelligence, meanwhile computational methods lag in approaching that diversity and efficacy. Co-optimization of artificial creatures’ morphology and control in silico shows promise for applications in physical soft robotics and virtual character creation; such approaches, however, require developing new learning algorithms that can reason about function atop pure structure. In this paper, we present DiffuseBot, a physics-augmented diffusion model that generates soft robot morphologies capable of excelling in a wide spectrum of tasks. DiffuseBot bridges the gap between virtually generated content and physical utility by (i) augmenting the diffusion process with a physical dynamical simulation which provides a certificate of performance, and (ii) introducing a co-design procedure that jointly optimizes physical design and control by leveraging information about physical sensitivities from differentiable simulation. We showcase a range of simulated and fabricated robots along with their capabilities. Check our website at https://diffusebot.github.io/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google