Leveraging Hyperbolic Embeddings for Coarse-to-Fine Robot Design

要約

マルチセルロボット設計は、多様なタスクを実行するために効率的に制御できる多数のセルで構成されるロボットを作成することを目的としています。
これまでの研究では、さまざまなタスク用のロボットを生成できることが実証されてきましたが、これらのアプローチでは多くの場合、ロボットを広大な設計空間で直接最適化し、その結果、制御が難しい複雑な形態のロボットが生成されます。
これに応えて、この論文では、多セルロボットを設計するための新しい粗密から粗密への方法を紹介します。
最初に、この戦略は最適な粗粒ロボットを探し、それらを徐々に洗練させます。
粗いものから細かいものへの移行中に正確なリファインメントの分岐点を決定するという課題を軽減するために、ロボット設計のための双曲埋め込み (HERD) フレームワークを導入します。
HERD は、共有双曲空間内でさまざまな粒度のロボットを統合し、最適化のために洗練されたクロスエントロピー手法を活用します。
このフレームワークにより、私たちの手法は双曲空間内の探索領域を自律的に特定し、有望な領域に集中することができます。
最後に、EvoGym から得られたさまざまな困難なタスクに関する広範な実証研究は、私たちのアプローチの優れた効率性と一般化能力を示しています。

要約(オリジナル)

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 vast design space, resulting in robots with complicated morphologies that are hard to control. In response, this paper presents a novel coarse-to-fine method for designing multi-cellular robots. Initially, this strategy seeks optimal coarse-grained robots and progressively refines them. To mitigate the challenge of determining the precise refinement juncture during the coarse-to-fine transition, we introduce the Hyperbolic Embeddings for Robot Design (HERD) framework. HERD unifies robots of various granularity within a shared hyperbolic space and leverages a refined Cross-Entropy Method for optimization. This framework enables our method to autonomously identify areas of exploration in hyperbolic space and concentrate on regions demonstrating promise. Finally, the extensive empirical studies on various challenging tasks sourced from EvoGym show our approach’s superior efficiency and generalization capability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google