Bayes最適化はハイブリッドゼロダイナミクスを満たす:二足歩行制御のための安全パラメータ学習【JST・京大機械翻訳】

Yang Lizhi; Li Zhongyu; Zeng Jun; Sreenath Koushil

プレプリント

J-GLOBAL ID：202202205949094265 整理番号：22P0299220

Bayes最適化はハイブリッドゼロダイナミクスを満たす:二足歩行制御のための安全パラメータ学習【JST・京大機械翻訳】

Bayesian Optimization Meets Hybrid Zero Dynamics: Safe Parameter Learning for Bipedal Locomotion Control

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月04日プレプリントサーバーでの情報更新日： 2022年03月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,二足ロボットの移動制御のためのBayes最適化(BO)とハイブリッドゼロ動力学(HZD)を組み合わせたマルチドメイン制御パラメータ学習フレームワークを提案した。HZDベースコントローラで使用される制御パラメータを学習するためにBOを利用した。学習プロセスを最初にシミュレーションに展開し,歩行の大きなレパートリーのための異なる制御パラメータを最適化した。次に,シミュレーションと実世界の間の不一致に取り組むために,学習プロセスを物理的ロボットに適用して,シミュレーションで学習された制御パラメータに対する補正を学習し,また,歩行安定性に対する安全制約を尊重した。この方法は,実世界で少数のサンプルで効率的なsim-to-tree遷移を起電力し,シミュレーションにおける訓練を初期化するために有効な制御装置を必要としない。提案学習フレームワークは,歩行の平滑性と定常状態追跡誤差の低減に関して,性能を改善した多用途移動スキルを実行するために,二足ロボットCassie上で実験的に展開され,検証された。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

ロボットの運動・制御

, , ,

前のページに戻る