Towards a Robust Soft Baby Robot With Rich Interaction Ability for Advanced Machine Learning Algorithms

要約

高度な機械学習アルゴリズムには、強力な帰納的バイアスに依存せずに広範な試行錯誤学習を処理できる、非常に堅牢で豊富な感覚フィードバックを備えたプラットフォームが必要です。
従来のロボット設計は、特定の使用例には適していますが、これらのアルゴリズムで使用すると脆弱になることがよくあります。
このギャップに対処するために、好奇心主導の赤ちゃんロボットを実現するというビジョンに触発されて、私たちはゼロから設計された新しいロボットの手足を紹介します。
当社の設計は、ソフトとハードのハイブリッド構造、豊富な非接触センサー (カメラのみ) による高い冗長性、および簡単に交換可能な障害点を備えています。
物理プロトタイプ上で 2 つの最新の強化学習アルゴリズムを使用した概念実証実験では、私たちの設計が、シミュレートされたセンサーの故障下でも、長期間の学習期間中の人間の監視を最小限に抑えて、単純なターゲット発見タスクを成功させることができることを実証しました。
私たちは、この設計が、汎用で一般的にインテリジェントなロボットを実現するための、よりカスタマイズされたロボット設計に向けた具体的な一歩を示すものであると信じています。

要約(オリジナル)

Advanced machine learning algorithms require platforms that are extremely robust and equipped with rich sensory feedback to handle extensive trial-and-error learning without relying on strong inductive biases. Traditional robotic designs, while well-suited for their specific use cases, are often fragile when used with these algorithms. To address this gap — and inspired by the vision of enabling curiosity-driven baby robots — we present a novel robotic limb designed from scratch. Our design has a hybrid soft-hard structure, high redundancy with rich non-contact sensors (exclusively cameras), and easily replaceable failure points. Proof-of-concept experiments using two contemporary reinforcement learning algorithms on a physical prototype demonstrate that our design is able to succeed in a simple target-finding task even under simulated sensor failures, all with minimal human oversight during extended learning periods. We believe this design represents a concrete step toward more tailored robotic designs for achieving general-purpose, generally intelligent robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google