文献

J-GLOBAL ID：201802218196538272   整理番号：18A0078018

逆動力学学習のための新しいデータ源【Powered by NICT】

A new data source for inverse dynamics learning

著者 (4件)： Kappler Daniel (AMD, MPI for Intelligent Systems, Tuebingen, Germany) ,  Meier Franziska (AMD, MPI for Intelligent Systems, Tuebingen, Germany) ,  Ratliff Nathan (Lula Robotics Inc., Seattle, USA) ,  Schaal Stefan (AMD, MPI for Intelligent Systems, Tuebingen, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IROS  ページ： 4723-4730  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最新のロボットが協調的人間ロボット相互作用への重力相互作用を持つ。加速政策のようなツールは,反応性,適応,および柔軟なロボットの実現を支持する自然にできた。これらのツールは,システム動力学を正確にモデル化することの困難な作業を必要とする。基本的問題は,シミュレーションと現実は,ロボットの状態を変化させるどのように正確に知らないことである。,逆動力学モデルの改良に関する最近の研究は,機械学習技術の利用に焦点を当てた。伝統的学習技法は,実際の実現加速度に訓練,政策の所望の加速度,間接データ源である。ここで我々は,所望の加速度で測定した追加トレーニング信号をフィードバック制御信号から導かれるかを示した。これは学習逆動力学モデルのための第二のデータ源を生成した。さらに,著者たちは,従来とこの新しいデータ源の両方は,逆動力学のタスクモデルを訓練するために使用した場合には,独立して使用または組み合わせることができるかを示した。シミュレーションでの両データ源の利用を解析し,実世界ロボットプラットフォーム上でその有効性を示した。提案システムでは,学習した逆動力学モデルを逐次改善し,組み合わせた両方のデータ源を用いてより一貫して速く収束時に示す。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 反応性 ,  *学習 ,  フィードバック制御 ,  モデル ,  加速度 ,  モデリング ,  重力相互作用 ,  ロボット
準シソーラス用語： ロボットプラットフォーム ,  タスクモデル ,  動力学モデル ,  トレーニング信号 ,  機械学習技術 ,  ヒューマンロボットインタラクション ,  *逆動力学 , 【Automatic Indexing@JST】

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  ロボットの設計・製造・構造要素  (IC04013A)

タイトルに関連する用語 (2件)： 動力学 ,  学習