跳到正文
arXiv cs.AI· Mayukh Debnath, Manan Roy Choudhury·· 10 小时前AI 评分31

Panini:面向机器人设计的可行语法

Panini- Feasible Grammar For Robot Designs

AI 导读

研究者提出一种带类型的产品语法,通过格角色关系、参数继承和基于特异性的规则仲裁,同时生成操作技能与机器人形态,并用 SE(3) 变换的几何实现映射连接语法组合。配套的 PANINI 交叉熵搜索方法在 30 种方法、24 个随机种子中取得最佳平均排名,但与强通用优化器无统计显著差异。语法生成的设计天然合法,协同肢体放置产生 95% 联合可行编辑,而范围约束重采样为 55%、扁平参数化为零。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:符号方法使机器人设计具有可解释性,但往往忽略连续几何;学习方法能处理几何,但提供的结构透明度较低。我们引入一种类型化产生式文法,它使用格角色关系、参数继承和基于特异性的规则仲裁来生成操作技能和机器人形态。几何实现映射将文法组合转换为 SE(3) 中的变换,当继承未激活时表现为幺半群同态,当继承启用时表现出可测量的缺陷。该文法提供了紧凑的表示,其仲裁决策可以从几何包含中恢复(在 10 个种子上的协议为 0.905 +/- 0.062,而欧几里得对照为 0.611 +/- 0.090)。我们还引入了 PANINI,一种在基于文法的形态表示上进行交叉熵搜索的方法。在 30 种方法和 24 个种子中,PANINI 取得了最佳平均排名,但与强通用优化器在统计上无法区分。因此,其主要展示的优势是结构性的而非优化性能:文法生成的设计在构造上就是合法的,协调的肢体放置产生了 95% 的联合可行编辑,相比之下,范围约束重采样为 55%,而在 6,000 次抽取中平坦参数化为零。这些结果表明,类型化文法如何使机器人生成更具可解释性和几何协调性,但并不暗示每个可行设计都会运动,也不暗示基于文法的搜索普遍优于通用优化器。
主题: 机器人学 (cs.RO);人工智能 (cs.AI)
引用为: arXiv:2611.23567 [cs.RO]
  (或 arXiv:2611.23567v1 [cs.RO] 为此版本)
  https://doi.org/10.48550/arXiv.2611.23567

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Manan Roy Choudhury [查看电子邮件]
[v1] 2026年11月17日星期二 22:14:11 UTC(904 KB)

来源:arXiv cs.AI · arxiv.org