文献

J-GLOBAL ID：202002258403618217   整理番号：20A0812836

オンライン同時セミパラメトリックダイナミックスモデル学習【JST・京大機械翻訳】

Online Simultaneous Semi-Parametric Dynamics Model Learning

著者 (2件)： Smith Joshua (School of Informatics, University of Edinburgh, Edinburgh, U.K.) ,  Mistry Michael (School of Informatics, University of Edinburgh, Edinburgh, U.K.)
資料名： IEEE Robotics and Automation Letters  (IEEE Robotics and Automation Letters)
巻： 5  号： 2  ページ： 2039-2046  発行年： 2020年 
JST資料番号： W2448A  ISSN： 2377-3766  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： ロボットの動力学の正確なモデルは,制御,安定性,運動最適化,および相互作用のために重要である。動的学習に対する半パラメトリック手法は,精度と一般化可能性の両方を達成することを目的として,非構造化非パラメトリック回帰を有する物理ベースのパラメトリックモデルを結合する。このレターでは,Parametricと非Parametric成分の両方を同時に適応させるときに生成された非定常問題を強調した。この非定常効果を補償するために設計された一貫性変換を提示し,両モデルの寄与がプラットフォームの性能に悪影響を与えることなく同時に適応できるようにした。したがって,バッチまたはオフライン更新に頼ることなく,連続反復オンライン適応のためにセミパラメトリック学習アプローチを適用することができる。Kuka LWR IVマニピュレータに全体システムを適用するだけでなく,完全な仮想モデルによる変換を検証した。オンライン学習中の追跡性能の改善を実証し,Parametric成分に対する学習バイアスを持つ2つの成分間の寄与の明確な移動を示した。Copyright 2020 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： 相互作用 ,  ロボット ,  *学習 ,  最適化 ,  マニピュレータ ,  バイアス
準シソーラス用語： オンライン学習 ,  メトリック学習 ,  オフライン ,  非定常性 ,  パラメトリックモデル ,  モデル学習 ,  *オンライン , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： オンライン ,  学習