用于高效机器人形态设计的神经保真度扭曲
机器人学
2020-12-10 v2 人工智能
机器学习
摘要
我们考虑在计算资源限制下，优化机器人形态以在目标任务中实现最佳性能的问题。每种形态设计的评估过程涉及为该设计学习一个控制器，这会消耗大量时间和计算资源。为了应对机器人形态评估成本高昂的挑战，我们提出了一个连续多保真度贝叶斯优化框架，通过低保真度评估高效利用计算资源。我们识别出保真度空间上的非平稳性问题。我们提出的保真度扭曲机制能够学习训练轮次和任务的表示，以建模连续保真度评估之间的非平稳协方差，这对于现成的平稳核来说具有挑战性。各种实验表明，我们的方法能够利用低保真度评估高效搜索最优机器人形态，优于现有方法。
引用
@article{arxiv.2012.04195,
title = {Neural fidelity warping for efficient robot morphology design},
author = {Sha Hu and Zeshi Yang and Greg Mori},
journal= {arXiv preprint arXiv:2012.04195},
year = {2020}
}