9回の試行で復帰：ソフトロボットの損傷適応を再現可能に評価するベンチマーク
Nine Trials to Recover: A Reproducible Benchmark for Repertoire-Free Soft-Robot Damage Adaptation
ソフトロボットの損傷回復を9回のオンライン試行で評価する再現可能なベンチマークを提案し、GP-EI参照コントローラが既存手法より優れることを示した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Siyuan Zhang
分類: cs.RO, eess.SY
原文アブストラクト
We present a repertoire-free benchmark for soft-robot damage recovery under nine online trials. The protocol pairs damage masks within each morphology, retains a measured nominal fallback, and separates method development from evaluation on new bodies. A Gaussian-process expected-improvement (GP-EI) reference controller adapts actuator phases using three initialization probes and six feedback-selected rollouts. Across two disjoint 75-body cohorts, it outperforms random search, Sobol, CEM, and CMA-ES under equal budgets. GP-EI improves the worst-mask gain on 69/75 confirmation bodies and exceeds these four baselines by 0.235-0.310 mean worst-mask reward. A TuRBO-style local GP is the closest comparator; the paired confidence interval includes zero. Post-confirmation fixed-controller replay finds 5.06 voxel widths of mean recovery together with a 0.0031 increase in worst-mask p99 geometric edge strain; a strict no-added-demand deployment gate retains 48.7% of mean gain. In a frozen development stress test that physically removes 10% of occupied voxels, GP-EI improves 71/75 bodies and exceeds official BoTorch TuRBO by 0.356 mean worst-mask gain. Together, the replayable controllers, body-level inference, and frozen-cohort evaluation provide a reference for measuring the added value of learned damage priors and future adaptation methods.
関連論文
- ソフトロボットのための可観測性に基づく最適センサ配置ソフトロボティクス
- 耐荷重と損傷耐性を両立する能動3D織り構造ロコモーションソフトロボティクス
- 椎骨型ソフトロボットテールの学習ベース圧力予測制御ソフトロボティクス
- 手首の適応的剛性制御を再現する人間模倣ソフトロボット前腕ソフトロボティクス
- ソフトロボットのためのコロケーテッド形状制御ソフトロボティクス
- 壁面後退と展開可能な指によるソフト伸長ロボットの先端マニピュレーションソフトロボティクス