Kakuto AIEN試してみる

用語集

このサイトで使う機械学習、ロボティクス、物理シミュレーションの用語の解説です。記事中で点線の下線が引かれた用語は、ここにリンクしています。

B

bfloat16bfloat16, bf16, brain floating point, mixed precision, AMX, autocast, 混合精度, ブレインフロート
通常の32ビットの数と同じ範囲を表せる一方、有効数字は約3桁しかない16ビットの数値形式です。そのぶん計算がずっと速くなります。 コンピューティング

C

CAPS正則化CAPS, CAPS regularisation, Conditioning for Action Policy Smoothness, 行動平滑化
方策の行動を滑らかにするために損失に加える項。ステップ間で行動が大きく変わらず、似た状態には似た行動を返すようにします。 強化学習
CUDAグラフCUDA graph, CUDA graphs, graph capture, graphed, torch.cuda.graph, CUDA Graphs, グラフキャプチャ
一連の GPUカーネルを記録したもので、ひとまとまりとして再生できるため、CPU が各カーネルを毎回起動し直す必要がなくなります。 コンピューティング

F

FLOPSFLOP, TFLOPS, テラフロップス, teraflops, GFLOPS, ピーク性能, peak, 演算律速, compute-bound, フロップス
1秒あたりの浮動小数点演算回数です。プロセッサが1秒間に実数の足し算と掛け算を何回できるかを表します。 コンピューティング

G

GPUgraphics card, CUDA, graphics processing unit, グラフィックボード, グラボ, グラフィックスプロセッサ
グラフィックス用のプロセッサです。数千個の小さなコアで、大量の数に同じ計算を一度に行います。ニューラルネットワークには速いですが、CPU向けの物理計算ではあまり役に立ちません。 コンピューティング
GPUカーネルGPU kernel, kernel, kernel launch, launch, CUDA kernel, thread block, カーネル, カーネル起動, CUDA カーネル, スレッドブロック
CPU から GPU に送られる小さなプログラム1つ分で、数千の GPU スレッドが一斉に実行します。起動のたびに、小さな固定の立ち上げコストがかかります。 コンピューティング

M

MuJoCoMulti-Joint dynamics with Contact, ムジョコ, 物理エンジン
関節と接触を持つ体をシミュレーションするための、速くて正確な物理エンジンです。ロボティクスと強化学習の研究で広く使われています。 物理シミュレーション
MuJoCo WarpMuJoCo Warp, MJWarp, mujoco-warp, Warp, NVIDIA Warp, GPU physics, GPU 物理シミュレーション
GPU で動き、世界の数千のコピーを一度にシミュレーションする、MuJoCo 物理エンジンの一版です。 物理シミュレーション
MyoSuiteMyoSuite, MyoLeg, MyoLeg26, myo_sim, マイオスイート, 筋骨格モデル
MuJoCo 用のオープンソースの筋骨格モデルとタスクの集まり。筋肉の制御を学習する研究のために作られています。脚のモデルは MyoLeg26 と MyoLeg です。 物理シミュレーション

V

vCPUvirtual CPU, core, worker process, parallelism, hyperthreading, hyperthread, SMT, 仮想CPU, コア, ワーカープロセス, 並列処理, ハイパースレッディング
仮想CPUです。クラウドのマシンにおけるプロセッサの能力の1単位で、64 vCPUのマシンは同時に約64個の処理を動かせます。 コンピューティング

Z

zスコアZ-score, 標準得点, 標準化, 標準偏差, σ
ある値がいつもの水準からどれだけ離れているかを、いつものばらつきを単位に測ったものです。0はふつう、3はかなり異常です。 機械学習

あ

アクター・クリティックActor-critic, actor, critic, アクター, クリティック, アクタークリティック
学習する部品を2つ持つ強化学習の設計です。アクター（方策）が行動を選び、クリティック（価値関数）が今の状況の良し悪しを評価します。 強化学習
アクチュエータActuator, motor, actuated joint, アクチュエーター, モーター, 駆動関節
ロボットやシミュレーションの身体を動かすもの全般です。関節のモーターなどがこれにあたります。 ロボティクスと制御
エピソードEpisode, 軌跡, trajectory, 終了, termination, 打ち切り, truncation
タスクへの1回の挑戦で、リセットから終わり（転倒、時間切れ、成功）までです。 強化学習

か

オールリデュースAll-reduce, allreduce, gradient averaging, learner process, learners, 勾配平均, 学習プロセス, Allreduce
複数のプロセスがそれぞれ自分の数値を足し合わせ、全員が同じ合計を受け取る処理。ネットワークの複製どうしを同期させるのに使います。 コンピューティング
オクルージョン（遮蔽）Occlusion, line of sight, ray casting, blindness, occluded, hidden, 遮蔽, オクルージョン, 視線, レイキャスト, 死角
何かが間にあって視界から隠れること。たとえば、目の前にある自分の腕です。 ロボティクスと制御
オラクルOracle, oracle baseline, upper bound, perfect reader, オラクルベースライン, 上限, 完璧な読み手
学習者が持たない情報や能力を与えた手作りのベースラインで、可能な最良の結果を示すためのものです。 機械学習
オンポリシーOn-policy, 方策オン型, オフポリシー, off-policy, 方策オフ型, オンポリシー蒸留, on-policy distillation, DAgger
他人の記録や自分の古いバージョンからではなく、学習中の方策自身が集めた経験から学ぶことです。 強化学習
カーネル融合Kernel fusion, fused kernel, fusion, torch.compile, compile, compiled, compiler, Triton, カーネルフュージョン, 融合カーネル, コンパイル, コンパイラ
多数の小さな GPU プログラムを少数の大きなプログラムにまとめること。GPU がプログラムの起動にかける時間が減り、計算により多くの時間を使えます。 コンピューティング
ガウスカーネルGaussian kernel, ガウス報酬, Gaussian reward, ガウス項, Gaussian term, 動径基底関数, radial basis function, exp(-error²)
誤差がゼロのとき1で、誤差が大きくなるにつれて滑らかに0へ下がる釣鐘型のスコアです。誤差を報酬に変える一般的な方法です。 強化学習
カメラキャリブレーションCamera calibration, キャリブレーション, calibration, calibrate, calibrated, チェッカーボード, checkerboard, ChArUco ボード, ChArUco board, 内部パラメータ, intrinsics, 外部パラメータ, extrinsics
カメラのレンズと、それがどこに立ちどこを向いているかを測ることです。これで画像の1ピクセルを3次元空間の光線に変換できます。 ロボティクスと制御
カリキュラム学習Curriculum learning, curriculum, automatic curriculum, カリキュラム, 自動カリキュラム
まず課題のやさしい版で学習し、エージェントが上達するにつれて難しくしていくこと。コーチが生徒のレベルに合わせて段階を上げていくのと同じです。 強化学習
キーフレームKeyframe, keyframing, keyframed motion, interpolation, キーフレームアニメーション, 補間
動きの中の特定の瞬間に決めたポーズです。キーフレームの間のフレームは補間で自動的に埋められます。 ロボティクスと制御
キーポイントKeypoint, keypoints, 姿勢推定, pose estimation, スケルトン, skeleton, ランドマーク, landmarks, 特徴点
手首、肘、腰など、体の上で追跡する点です。画像全体ではなく少数の数値で姿勢を表すのに使います。 ロボティクスと制御
キャプチャポイントCapture point, instantaneous capture point, divergent component of motion, DCM, 瞬時キャプチャポイント, 発散運動成分, キャプチャーポイント
動いている身体が完全に止まるために足を踏み出すべき床の上の地点です。それが足の外にあれば、身体は踏み出すか倒れるしかありません。 ロボティクスと制御
コーディングエージェントCoding agent, AI agent, agent, AI harness, agent harness, AI エージェント, エージェント, ハーネス
質問に答えるだけでなく、実際のコンピューター上でコードを書き、実行し、結果を読んで作業を続ける AI アシスタント。 機械学習
コサイン類似度Cosine similarity, コサイン, コサイン距離, 類似度行列, フィンガープリント
2つの数の並びが、大きさを無視してどれだけ似たパターンかを測るものです。同じ向きなら1、無関係なら0、逆なら−1です。 機械学習

さ

ジッターJitter, chatter, twitching, direction reversals, チャタリング, 震え, 方向反転
関節の小さく速い、行ったり来たりの震え。強化学習の方策によく見られ、ここでは関節1つあたり1秒あたりの方向反転回数として測ります。 ロボティクスと制御
ショートカット学習Shortcut learning, giveaway, giveaways, spurious correlation, Clever Hans, tell, data leak, 疑似相関, 賢いハンス, クレバー・ハンス, データリーク, 近道学習
本当に学んでほしかったものではなく、学習中にたまたま答えを当てられる簡単な手がかりをモデルが学んでしまうことです。 機械学習
スポットインスタンスSpot instance, EC2 spot, spot pricing, on-demand, スポット, スポット価格, オンデマンド
余っている計算資源から安く借りるクラウドのコンピュータです。事業者が短い予告で取り戻すことがあります。 コンピューティング
ソフトコンタクトSoft contact, 柔らかい接触, コンプライアンス, compliance, 接触モデル, contact model, めり込み, penetration, solref, solimp
接触をわずかにばねのように扱い、表面同士が少しめり込めるようにするモデル化です。安定性のためにも、皮膚やフォームのような柔らかいものを表すためにも使います。 物理シミュレーション

た

タイムステップTimestep, time step, physics step, control frequency, substeps, Hz, 時間刻み, 物理ステップ, 制御周波数, サブステップ
物理シミュレーションが1ステップで進める短い時間の区切り。方策はふつう、それより少ない頻度で、物理ステップ数回ごとに1回行動します。 物理シミュレーション
チェックポイントCheckpoint, スナップショット, snapshot, 保存済みモデル, saved model, 凍結した方策, frozen policy
学習中のモデルを保存したスナップショットです。止まった後に学習を再開したり、以前のバージョンをもう一度使ったりできます。 機械学習
トルクTorque, moment, N·m, newton-metre, モーメント, 力のモーメント, ニュートンメートル
ねじる力、つまり物を回転させるものです。モーターはトルクをかけて関節を回し、単位はニュートンメートルです。 物理シミュレーション

な

ニュートン（単位）Newton (unit), Newton, N, force, impulse, ニュートン, 力, 力積
力の SI 単位です。1ニュートンは、1キログラムを毎秒、秒速1メートルずつ加速させる力です。77 kg の人の体重は約755 N です。 物理シミュレーション
ニューラルネットワークNeural network, artificial neural network, deep learning, weights, ニューラルネット, 人工ニューラルネットワーク, 深層学習, ディープラーニング, 重み
単純なユニットを層状に重ねて作った関数。各ユニットは入力に学習済みの重みを掛けて足し合わせ、その結果を非線形関数に通します。 機械学習

は

ハイパーパラメータHyperparameter, hyperparameters, tuning, ハイパーパラメータ, チューニング, ハイパラ
学習率やネットワークの大きさのように、学習中に学ぶのではなく、モデルを学習させる人が選ぶ設定です。 機械学習
ヒューマン・イン・ザ・ループHuman-in-the-loop, HITL, human feedback, 人間のフィードバック, ヒューマンインザループ
自動のスコアだけに頼らず、人が結果を判断し、次に何をするかを導く学習のやり方です。 機械学習
ファインチューニングFine-tuning, warm start, warm-starting, resume, from scratch, ウォームスタート, 再開, ゼロから学習, 微調整
ゼロから始めるのではなく、すでに学習済みのモデルの学習を続けることです。新しいタスクや難しいタスクに対して行うことがよくあります。 機械学習
フィードフォワード制御Feed-forward control, feed-forward, feedforward, servo feed-forward, velocity feed-forward, フィードフォワード, 速度フィードフォワード
誤差がたまってから修正するのではなく、計画した動きに何が必要かを前もってモーターに伝えること。 ロボティクスと制御
プッシュリカバリーPush recovery, shove recovery, perturbation, balance recovery, 外乱, バランス回復, 押し対応, 立て直し
予期しない押しを受けたあと、傾いたり、踏み出したり、跳んだりして倒れずにいることです。 ロボティクスと制御
フレームスタッキングFrame stacking, stacked history, history window, stacked frames, observation history, フレームスタック, 観測履歴, 履歴ウィンドウ
直近の数フレーム分の入力を並べてネットワークに与えること。ネットワーク自身に記憶がなくても動きが見えるようになります。 機械学習
プロファイリングProfiling, profiler, profile, bottleneck, torch profiler, プロファイラ, プロファイル, ボトルネック
プログラムがどこに時間を使っているかを部分ごとに測り、何を速くすべきかを見つけること。 コンピューティング

ま

マルコフ決定過程Markov decision process, MDP, 割引率, discount factor, 収益, return, マルコフ性
強化学習の背後にある数学の枠組みです。状態、行動、報酬、そしてある状態から次の状態へどう移るかの規則からなります。 強化学習
モーションキャプチャMotion capture, mocap, モーキャプ, ストックモーション, stock motion, モーションクリップ, motion clip, アニメーションクリップ, animation clip
本物の人の動きを、ふつうはマーカーやカメラで記録し、コンピューターがデジタルの体で再生できるようにすることです。 バイオメカニクス
モーションプランナーMotion planner, planner, footstep planner, step planner, 動作計画, プランナー, 足跡プランナー, フットステッププランナー
目標に到達するために次にどの動きをするかを決める、システムの部分です。その動きを実際に行う細部はコントローラーに任せます。 ロボティクスと制御
モーションリターゲティングMotion retargeting, retargeting, retarget, retargeted, リターゲティング, リターゲット
ある体で記録した動きを、プロポーションの違う別の体に移すことです。動きの大事なところは保ちます。 バイオメカニクス
モーメントアームMoment arm, レバーアーム, lever arm, てこの腕, 筋のモーメントアーム, muscle moment arm
筋肉が関節にかけるてこの長さで、引く力の線が関節の軸からどれだけ離れて通るかです。力とモーメントアームの積が、筋肉が生むトルクになります。 バイオメカニクス
モデルの容量Model capacity, capacity, network size, the net is full, 容量, 表現力, ネットワークの大きさ, キャパシティ
ネットワークがどれだけのものを表現できるかです。いっぱいになったネットワークは、何か別のことが下手になる代わりにしか、新しいことを覚えられません。 機械学習

ら

レイテンシLatency, 遅延, 視覚の遅延, vision delay, 反応時間, reaction time, delay, ラグ, lag
何かが起きてからシステムがそれを知るまでの遅れです。ファイターにとっては反応時間にあたります。 ロボティクスと制御
ローパスフィルタLow-pass filter, action filter, exponential moving average, EMA, smoothing filter, cutoff frequency, 低域通過フィルタ, 行動フィルタ, 指数移動平均, 平滑化フィルタ, カットオフ周波数
ゆっくりした変化は通し、速い変化はならして消すフィルタです。方策の行動に使って、ピクつきを止めます。 ロボティクスと制御
ロールアウトRollout, バッチ, batch, ホライズン, horizon, 反復, イテレーション, iteration
1回の学習更新のための経験を集めるために、現在の方策を環境の中で決まったステップ数だけ動かすことです。 強化学習

漢字

位相変数Phase variable, phase, motion clock, punch clock, clock, time scaling, 位相, モーションクロック, クロック, 時間スケーリング
動作のどこまで進んだかを、始まりの0から終わりの1で示す時計。動きを速くも遅くも再生できます。 ロボティクスと制御
位置サーボPosition servo, PD controller, PD control, servo, position actuator, stiffness, damping, PD 制御, サーボ, 剛性, 減衰, ダンピング
関節を目標の角度に向けて押すモーターのコントローラーです。力は誤差とともに、上限まで大きくなります。 ロボティクスと制御
隠れ層Hidden layer, hidden layers, neuron, neurons, ニューロン, ユニット, 層, 活性
ニューラルネットワークの入力と出力の間にある層です。その各ユニット（ニューロン）は、前の層のすべての数を混ぜ合わせて1つの新しい数を作ります。 機械学習
運動学Kinematics, キネマティクス, 順運動学, forward kinematics, kinematic, 動力学, dynamics, ダイナミクス
運動の幾何学です。関節角度が与えられたとき各部位がどこにあるかを、どんな力がそれを起こしたかは問わずに扱います。 ロボティクスと制御
運動量Momentum, N s, N·s, 線運動量, linear momentum, インパクト, impact, 力積
質量と速度の積で、物体がどれだけの動きを持っているかです。パンチの運動量は、それが目標に受け渡せるものです。 物理シミュレーション
運動連鎖Kinetic chain, キネティックチェーン, kinematic chain, パワーチェーン, power chain, 腰の推進, hip drive
パンチのような動きで、力と速さを次々に受け渡していく体のつながった部位（足、脚、腰、体幹、肩、腕）のことです。 バイオメカニクス
価値関数Value function, critic, V(s), advantage, GAE, クリティック, アドバンテージ, 状態価値関数, 一般化アドバンテージ推定
ある状態から、エージェントがこの先どれだけの報酬を期待できるかの推定です。アドバンテージは、ある行動がそれより良かったか悪かったかを表します。 強化学習
可動域Range of motion, ROM, 関節可動域, 関節の限界, joint limits, 関節の範囲, joint range
関節がどこまで動けるかを、動く範囲の端から端までの角度で表したものです。 バイオメカニクス
過伸展Hyperextension, hyperextend, hyperextended, ligament, ligaments, joint lock, 靭帯, 関節技, ハイパーエクステンション
関節が通常の範囲を超えて伸ばされること。靭帯と骨がそれを止めますが、さらに押されると切れたり折れたりします。 バイオメカニクス
解釈可能性Interpretability, 説明可能性, 説明可能なAI, XAI, 機械論的解釈可能性, プロービング, アブレーション
学習済みのニューラルネットワークの中を見て、その各部分が何をしているのか、なぜそう動くのかを理解することです。振る舞いだけで判断するのではありません。 機械学習
開ループ制御Open-loop control, open loop, closed-loop control, closed loop, feedback control, オープンループ, 閉ループ制御, クローズドループ, フィードバック制御
結果を見ずに、決まった指令を送ることです。測ったものから自分を修正するフィードバック（閉ループ）制御の反対です。 ロボティクスと制御
確率的方策Stochastic policy, Gaussian policy, deterministic policy, exploration noise, sampled actions, ガウス方策, 決定的方策, 探索ノイズ, 確率的ポリシー
行動の確率分布を出力し、そこからサンプリングすることでエージェントに探索させる方策です。代わりに最も確率の高い行動を取ると、決定的になります。 強化学習
学習の発散Training divergence, NaN, collapse, policy collapse, instability, 発散, 崩壊, 方策の崩壊, 不安定
学習が改善せずに壊れてしまうこと。損失が爆発する、数値が NaN になる、良かった方策が突然崩壊する、といった形で現れます。 機械学習
学習率Learning rate, step size, η, lr, ステップサイズ
学習が重みを更新するたびに、どれだけ大きく1歩進むかです。大きすぎると学習が不安定になり、小さすぎると遅くなります。 機械学習
活性化関数Activation function, 非線形関数, 非線形性, ELU, ReLU, tanh
各ニューロンが入力の重み付き和にかける単純な曲線です。これがないと、層を何段重ねても1本の直線的な関数にまとまってしまいます。 機械学習
慣性Inertia, moment of inertia, inertia tensor, rotational inertia, 慣性モーメント, 慣性テンソル, 回転慣性
物体の動きを変えるのがどれだけ難しいか。回転では、慣性モーメントは質量が軸からどれだけ離れているかで決まります。 物理シミュレーション
環境Environment, env, 環境（env）
エージェントがやり取りするものすべてです。エージェントの行動を受け取り、世界を1ステップ進め、次の観測と報酬を返します。 強化学習
環境ステップEnvironment step, step, sample, timesteps, M steps, ステップ, サンプル, タイムステップ数
エージェントと環境のループの1回分です。観測1つ、行動1つ、報酬1つ。学習の長さはこのステップ数で数えます。 強化学習
観測Observation, state, observation space, observation normalisation, 状態, 観測空間, 観測の正規化
方策が各ステップで見る数値。身体とタスクの状態を表します。 強化学習
関数を保つネットワークの拡張Function-preserving growth, Net2Net, growing a network, widening, zero-initialised inputs, ネットワークの拡張, ゼロ初期化, 関数保存拡張
学習済みのネットワークに、出力を変えないやり方で入力やユニットを足すことです。学習を、ちょうど止めたところから再開できます。 機械学習
機械学習Machine learning, ML, マシンラーニング
プログラマーが手で書いたルールに従わせるのではなく、データや経験からパターンを学ばせて、コンピューターにタスクをこなさせることです。 機械学習
逆運動学Inverse kinematics, IK, 逆キネマティクス, インバースキネマティクス
手や足を選んだ位置に置くための関節角度を求めること。順運動学の逆です。 ロボティクスと制御
共収縮Co-contraction, agonist, antagonist, antagonist muscle, agonist muscle, muscle pair, opposing muscles, reciprocal inhibition, 主動筋, 拮抗筋, 相反抑制, 同時収縮
関節の両側の筋肉が同時に引っ張ることです。関節を動かさずに硬くし、速い動きにはブレーキをかけます。 バイオメカニクス
共変量シフトCovariate shift, distribution shift, compounding errors, 分布シフト, 誤差の累積
モデルが、学習したときとは違う入力に出会うことです。手本をまねた方策が手本の通り道からずれると、たどり着いた先は一度も見たことのない場所です。 機械学習
共有メモリShared memory, multiprocessing.shared_memory, パイプ, pipes, プロセス間通信, inter-process communication, IPC
複数のプロセスが直接読み書きできるメモリ領域です。データをコピーせずにプロセス間で受け渡せます。 コンピューティング
強化学習Reinforcement learning, RL
試行錯誤でプログラムを学習させる方法です。行動して報酬というスコアを受け取り、より高いスコアが得られる行動を少しずつ学んでいきます。 強化学習
局所最適解Local optimum, local optima, local minimum, local maximum, plateau, 局所解, 局所最適解, 局所最小値, 局所最大値, プラトー
近くのどの解よりも良いものの、全体で最良ではない解。小さな改善を重ねるだけでは、そこから抜け出せません。 機械学習
筋の冗長性Muscle redundancy, redundancy, redundant muscles, actuator redundancy, muscle sharing problem, 冗長性, 筋冗長性, 筋力配分問題
体には動きの方向の数より多くの筋肉があるので、筋肉の力の入れ方がさまざまに違っても、同じ動きになります。 バイオメカニクス
筋活性度Muscle activation, activation, excitation, activation dynamics, muscle excitation, neural excitation, 筋活性化, 興奮度, 活性化ダイナミクス, 神経興奮
筋肉がどれだけオンになっているかを0から1で表したものです。神経の指令（興奮度）に遅れて追従し、オンになるのに約10 ms、力を抜くのに約40 ms かかります。 バイオメカニクス
近接方策最適化PPO, Proximal Policy Optimization, 近位方策最適化
広く使われている強化学習のアルゴリズムです。1回の更新で方策が動ける幅を制限し、小さく安全な歩幅で方策を改善します。 強化学習
検出力Statistical power, power, 統計的検出力, 検出力不足, サンプルサイズ, 標本サイズ, 検出力分析
ある大きさの本当の差があるとき、検定がそれを見つけられる確率です。検出力の低い検定は、何かがあっても何も見つけられないことがよくあります。 機械学習
勾配降下法Gradient descent, SGD, stochastic gradient descent, Adam, backpropagation, optimiser, 確率的勾配降下法, 誤差逆伝播法, バックプロパゲーション, オプティマイザー, 最適化手法
ニューラルネットワークを学習させる基本の方法です。損失が減る方向に、すべてのパラメーターを少しずつ動かすことを繰り返します。 機械学習
行動Action, action space, continuous control, 行動空間, 連続制御, アクション
方策（ポリシー）が各ステップで出力するもの。たとえば、モーター1つごとの目標角度です。 強化学習
行動クリッピングAction clipping, クリッピング, clipping, 飽和, saturation, 行動の上下限, action bound
許された範囲から外れた行動を切り詰めることです。安全のために必要ですが、方策の出力のずれを隠してしまうことがあります。 強化学習
行動クローニングBehaviour cloning, behavior cloning, imitation learning, 模倣学習, ビヘイビアクローニング, BC
専門家が記録した行動を状態ごとに真似るよう、教師あり学習で方策を学習させること。 機械学習
混合エキスパートMixture of experts, MoE, 専門家の混合, エキスパート, ゲーティングネットワーク, MCP
専門化した複数のネットワークと、その時々でそれぞれの言うことをどれだけ聞くかを決める小さなネットワークの組み合わせです。 機械学習
再帰型ニューラルネットワークRecurrent neural network, RNN, GRU, LSTM, gated recurrent unit, memory, リカレントニューラルネットワーク, 回帰型ニューラルネットワーク, 記憶
記憶を持つニューラルネットワーク。隠れ状態をステップからステップへ持ち越すので、前に見たものを使えます。 機械学習
三角測量Triangulation, triangulate, triangulated, stereo, ステレオ, ステレオ視, 三角測量法
2台以上のキャリブレーション済みカメラに点がどこに写っているかから、その点の3次元の位置を求めること。 ロボティクスと制御
参照モーションReference motion, モーショントラッキング, motion tracking, 動作模倣, motion imitation, 参照, reference, 追従報酬, tracking reward, リファレンスモーション
構え、リズム、キーフレームで作った一歩など、方策が追従すると報酬がもらえる目標の動きです。物理は方策が付け加えます。 ロボティクスと制御
参照状態初期化Reference state initialisation, RSI, reference state initialization, mid-motion starts, mid-walk starts, 途中からのスタート, 参照状態からの初期化
一部の学習エピソードを、参照モーションの途中の姿勢と速さから始めることです。方策が動きの最初だけでなく、すべての部分を練習できるようにします。 強化学習
山登り法Hill climbing, local search, random search, 局所探索, ランダム探索, ヒルクライミング
単純な探索方法です。小さなランダムな変更を加え、スコアが良くなれば採用し、それを繰り返します。 機械学習
残差方策Residual policy, residual action, residual control, 残差行動, 残差制御, 残差ポリシー
まったく新しい動きではなく、参照モーションへの補正を出力する方策です。差分だけを学べば済みます。 強化学習
支持多角形Support polygon, 支持基底面, 支持基底, base of support, 支持領域, support region
体が地面に触れているすべての点を囲む、床の上の輪郭です。静止して立っているとき、重心がその上にあれば体はバランスがとれています。 ロボティクスと制御
自明な並列Embarrassingly parallel, parallel training, trivially parallel, running in parallel, 自明な並列, 並列学習, 並列実行
互いを必要としない部分に分けられる仕事。各部分をそれぞれ別のマシンで同時に実行できます。 コンピューティング
自由度Degrees of freedom, DoF, DOF, joint, hinge joint, ball joint, 関節, ヒンジ関節, 球関節
物体が独立に動ける方向の数です。単純な関節1つで1つ増え、空間に浮かぶ自由な物体は6つ持ちます。 ロボティクスと制御
質量行列Mass matrix, inertia matrix, factorisation, factorization, Cholesky, LDL, 慣性行列, 行列分解, コレスキー分解, LDL分解
各関節を加速させるのが、それにつながったものすべてを含めてどれだけ大変かを表す表です。物理計算では毎ステップこれを分解する必要があります。 物理シミュレーション
重心Centre of mass, COM, CoM, center of mass, centre of gravity, 質量中心
身体の質量の平均の位置で、どこにどれだけ質量があるかで重み付けしたものです。重力はこの1点を引っ張っているかのように働きます。 物理シミュレーション
衝突形状Collision geometry, collider, geom, capsule, collision shape, コライダー, カプセル, 衝突判定, ジオム
物理エンジンが、何と何が触れているかを判定するのに使う単純な形です。球、カプセル、箱、メッシュがあります。 物理シミュレーション
伸張反射Stretch reflex, 筋伸張反射, myotatic reflex, 反射, reflex, 脊髄反射, spinal reflex
筋肉が引き伸ばされるとその筋肉を興奮させる脊髄反射です。脳を待たずに、手足を向かっていた位置へ引き戻します。 バイオメカニクス
信頼区間Confidence interval, 95 %信頼区間, 95 %区間, エラーバー, 誤差範囲, Agresti–Caffo, 不確かさ
測った数のまわりにとる範囲で、偶然によってどれだけずれうるかを示します。区間が広いほど、その測定はあまり正確ではありません。 機械学習
人体計測Anthropometry, ANSUR II, de Leva, segment parameters, body segment parameters, 身体セグメントパラメータ, 人体測定
人体の計測。サイズ、比率、そして各身体セグメントの質量と慣性を測ります。リアルなシミュレーションの身体を作るのに使います。 バイオメカニクス
正則化Regularisation, regularization, weight decay, 重み減衰, ウェイトディケイ
より単純な解や滑らかな解を好むように学習に加えるもの全般です。たいていは損失に足す追加のペナルティです。 機械学習
早期打ち切り（アーリーストッピング）Early stopping, plateau, stopping rule, 早期終了, 早期停止, アーリーストッピング, プラトー, 停止ルール
決まった時間だけ走らせるのではなく、改善が止まった時点で学習ランを終えることです。 機械学習
損失関数Loss function, loss, objective, cost function, 損失, 目的関数, コスト関数, ロス
モデルがどれだけ間違っているかを測る数です。学習は、これが小さくなるようにモデルを調整します。 機械学習
多層パーセプトロンMultilayer perceptron, MLP, 全結合ネットワーク, fully connected network, 順伝播型ネットワーク, feed-forward network, 2 × 256
最も単純な種類のニューラルネットワークです。全結合層を積み重ねたもので、ある層のすべてのユニットが次の層のすべてのユニットにつながっています。 機械学習
体幹の傾きTrunk lean, lean, lean back, pitch, trunk pitch, arch, arched back, posture, 前傾, 後傾, 反り, のけぞり, 姿勢
骨盤や胸が、まっすぐな状態から前後にどれだけ傾いているかです。身体が向いている方向に沿った角度で測ります。 バイオメカニクス
代謝コストMetabolic cost, 代謝エネルギー, metabolic energy, エネルギーコスト, energy cost, エネルギー消費, energy expenditure, 筋肉のエネルギー, muscle energy
筋肉が力と動きを生み出すために燃やす化学エネルギーです。人が疲れる原因であり、モーターの電気代では捉えられないものです。 バイオメカニクス
単調3次スプラインMonotone cubic spline, PCHIP, Fritsch–Carlson interpolation, cubic Hermite spline, spline, スプライン, 3次エルミートスプライン, 単調補間
点の集まりを通る滑らかな曲線で、点を行き過ぎることがありません。点が上がるところでは上がり、平らなところでは平らなままです。 ロボティクスと制御
破滅的忘却Catastrophic forgetting, forgetting, catastrophic interference, 忘却, 破局的忘却, 破滅的干渉
ニューラルネットワークに新しいことを学習させると、同じ重みを使い回すために、すでに持っていたスキルを失ってしまう現象です。 機械学習
半精度Half precision, float16, FP16, 16-bit float, reduced precision, 半精度浮動小数点数, 16ビット浮動小数点数, 低精度
数を、ふつうの32ビットではなく16ビットで保存することです。有効数字は約3桁で、メモリは半分になります。 コンピューティング
評価ゲートEvaluation gate, gate, the gate, evaluation, deterministic evaluation, ゲート, 評価, 決定的評価
学習済みモデルを採用する前に合格しなければならない固定のテスト一式。ここでは、すべてのスキルを探索ノイズなしで、固定のシードに対して実行します。 機械学習
浮動小数点数Floating point, float32, float64, 32-bit, single precision, double precision, rounding error, FP32, 単精度, 倍精度, 丸め誤差, 浮動小数点
コンピュータが実数を保存する方法です。決まった桁数の有効数字と指数で表すので、計算結果はどれもわずかに丸められます。 コンピューティング
符号検定Sign test, 二項検定, binomial test, p値, p-value, p value
多くの対になった比較で、一方の選択肢が偶然以上によく勝つかどうかを、それぞれの勝ち負けだけを数えて調べる単純な検定です。 機械学習
物理シミュレーションPhysics simulation, physics engine, simulator, rigid-body dynamics, sim-to-real, 物理エンジン, シミュレータ, 剛体力学, Sim2Real, シムトゥリアル
物体が力を受けてどう動くかを、小さな時間刻みで1ステップずつ計算し、仮想の体を本物のように振る舞わせることです。 物理シミュレーション
分離型PPODecoupled PPO, デカップルドPPO, 非同期PPO, asynchronous PPO, batch size-invariant PPO, バッチサイズ不変PPO
PPO の変種で、学習器が更新している間、データ収集を少し古い方策のコピーで続けられるようにし、両者を重ねて動かせるようにしたものです。 強化学習
平均二乗誤差Mean squared error, MSE, squared error, L2 loss, 二乗誤差, L2損失
予測と目標の差を二乗して平均したものです。ある数の組が別の組からどれだけ離れているかを測る、よく使われる方法です。 機械学習
並列環境Parallel environments, ベクトル化環境, vectorised environments, vectorized environments, 世界のコピー, copies of the world, worlds, num envs, 環境のバッチ, batch of environments
同じ学習用の世界のコピーをたくさん並べて動かし、1つの方策がそのすべてから同時に経験を集めることです。 強化学習
補間Interpolation, interpolate, interpolated, extrapolation, extrapolate, aim table, aim grid, lookup table, 外挿, 線形補間, 双線形補間, 照準テーブル, ルックアップテーブル
分かっている値の間の値を推定することです。分かっている範囲の外へ出るのは外挿で、ずっと信頼性が下がります。 機械学習
補助損失Auxiliary loss, imitation loss, supervised loss, auxiliary task, button imitation, 補助タスク, 模倣損失, 教師あり損失
主な報酬とは別に加える追加の学習信号。たとえば正解が何だったかを示すラベルを与えて、学習を速めます。 機械学習
報酬シェーピングReward shaping, potential-based shaping, shaping reward, ポテンシャルベースの報酬シェーピング, シェーピング報酬, 報酬シェーピング
学習を導くために、報酬に項を追加することです。ポテンシャルに基づくシェーピングなら、どの方策が最良かを変えないことが証明されています。 強化学習
報酬ハッキングReward hacking, specification gaming, reward exploitation, 仕様ゲーミング, 報酬の抜け穴
エージェントが、設計者の意図とは違うやり方で高いスコアを取る方法を見つけ、報酬の抜け穴を突くことです。 強化学習
報酬関数Reward function, reward, reward design, 報酬, 報酬設計
エージェントの振る舞いを1ステップごとに採点するルール。エージェントはできるだけ多くの報酬を得ようと学ぶので、報酬がタスクを定義します。 強化学習
方策（ポリシー）Policy, 方策, ポリシー, π, 制御器, コントローラー, controller, アクター, actor
エージェントの判断の規則で、観測したものに対してどの行動をとるかです。深層強化学習では、方策はニューラルネットワークです。 強化学習
方策蒸留Policy distillation, 蒸留, distillation, 教師, teacher, 教師方策, teacher policy, 生徒, student, アンカー, anchor, 複数教師の蒸留, multi-teacher distillation, 単一技の教師, one-technique teacher
ある方策に別の方策の行動を真似させる学習です。ここでは古い方策の凍結したコピーが教師となり、新しい学習がすでに持っている技能を消してしまわないようにします。 強化学習
摩擦Friction, coefficient of friction, skating, friction cone, 摩擦係数, 摩擦円錐, スケーティング, 足滑り
面と面が滑り合うのを妨げる力です。足が床の上でスケートのように滑らずに、床を押せるのはこのおかげです。 物理シミュレーション
乱数シードRandom seed, seed, seeds, random seed, シード, シード値
プログラムの乱数生成器を始める数です。シードだけが違う2つの学習ランを比べると、結果のどれだけが運によるものかがわかります。 コンピューティング
力–長さ–速度関係Force–length–velocity, force-length curve, force-velocity curve, force-length relationship, force-velocity relationship, eccentric contraction, lengthening muscle, optimal fibre length, 力-長さ関係, 力-速度関係, 伸張性収縮, エキセントリック収縮, 最適筋線維長
筋肉の力は、どれだけ伸びているか（最適な長さの近くで最も強い）と、どれだけ速く動いているかで決まります。速く縮んでいるときは弱く、引き伸ばされているときは強くなります。 バイオメカニクス
腱の経路Tendon path, 空間腱, spatial tendon, 筋の経路, muscle path, 経由点, via point, ラッピング面, wrapping surface, 筋のラッピング, muscle wrapping, 作用線, line of action
シミュレーションの筋肉が骨の上を通るルートです。起始と停止に固定され、経由点を通り、骨に巻きつくので、関節が動くと長さとてこが変わります。 物理シミュレーション