文献

J-GLOBAL ID：201902233126171271   整理番号：19A0495963

適応ニューラル制御と動的運動プリミティブに基づくロボット学習システム【JST・京大機械翻訳】

Robot Learning System Based on Adaptive Neural Control and Dynamic Movement Primitives

著者 (5件)： Yang Chenguang (Key Laboratory of Autonomous Systems and Networked Control, College of Automation Science and Engineering, South China University of Technology, Guangzhou, China) ,  Chen Chuize (Key Laboratory of Autonomous Systems and Networked Control, College of Automation Science and Engineering, South China University of Technology, Guangzhou, China) ,  He Wei (School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing, China) ,  Cui Rongxin (School of Marine Science and Technology, Northwestern Polytechnical University, Xi’an, China) ,  Li Zhijun (Department of Automation, University of Science and Technology of China, Hefei, China)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 30  号： 3  ページ： 777-787  発行年： 2019年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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： 本論文は,運動生成と軌道追跡の両方を考慮した強化ロボットスキル学習システムを提案した。ロボット学習実証の間,動的運動プリミティブ(DMPs)を用いてロボット運動をモデル化した。各DMPは,目標に向けて生成された動きの安定性を強化する一連の動的システムから成る。Gauss混合モデルとGauss混合回帰を統合して,DMPの学習性能を改善し,スキルのより多くの特徴を複数の実証から抽出できるようにした。学習されたモデルから生成された運動は空間と時間でスケールできる。その上,ニューラルネットワークベースの制御装置をロボットのために設計して,運動モデルから発生する軌道を追跡した。この制御装置において,動径基底関数ニューラルネットワークを用いて,動的環境に起因する影響を補償した。実験はBaxterロボットを用いて行い,結果は提案した方法の妥当性を確認した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 制御装置 ,  *ロボット ,  動的系 ,  ニューラルネットワーク ,  モデリング
準シソーラス用語： 動的環境 ,  動径基底関数ニューラルネットワーク ,  運動モデル ,  学習性能 ,  Gauss混合モデル ,  スキル学習 ,  軌道追跡 ,  *ロボット学習 , 【Automatic Indexing@JST】

分類 (1件)： ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (4件)： 適応 ,  運動 ,  ロボット ,  学習システム