エネルギー最小化による制御問題のための解多様体の学習【JST・京大機械翻訳】

Zamora Miguel; Poranne Roi; Coros Stelian

プレプリント

J-GLOBAL ID：202202205960064190 整理番号：22P0300082

エネルギー最小化による制御問題のための解多様体の学習【JST・京大機械翻訳】

Learning Solution Manifolds for Control Problems via Energy Minimization

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 (3件)： , ,
資料名：
発行年： 2022年03月07日プレプリントサーバーでの情報更新日： 2023年02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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

逆運動学(IK),軌道最適化(TO)およびモデル予測制御(MPC)のような様々な制御タスクは,エネルギー最小化問題として一般的に定式化されている。このような問題に対する数値解はよく確立されている。しかし,これらはリアルタイムアプリケーションで直接使用するためには,しばしば遅い。代替案はオフライン段階における制御問題に対する解多様体を学習することである。この蒸留プロセスは模倣学習設定における行動クローニング(BC)問題として自明に定式化できるが,著者らの実験は,不適合な局所極小,補間アーチファクト,および状態空間の不十分なカバレッジのために起こる多くの重要な欠点を強調する。本論文では,効率的で数値的にロバストなBCの代替を提案した。関心のある問題空間に統合した制御目的のエネルギー項の最小化として,解多様体の学習を定式化した。著者らは,このエネルギー積分を,制御タスクの個々のインスタンスを解くために使用される導関数とモンテカルロにヒントを得た適応サンプリング戦略を組み合わせる新しい方法で最小化する。計算量増加の一連のロボット制御問題に対する定式化の性能を評価し,行動クローニングおよびデータセット集合(Dgger)のような従来法に対する比較を通してその利点を強調した。【JST・京大機械翻訳】

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

数理計画法 , ロボットの運動・制御 , システム設計・解析

, , , ,

前のページに戻る