动态运动基元的概率表示
机器人学
2016-12-20 v1
摘要
动态运动基元（DMP）已成功用于实现模仿学习、试错学习、强化学习、运动识别与分割以及控制。因此，它们已成为运动基元的一种流行表示。在本工作中，我们展示了如何将 DMP 重新表述为带有控制输入的概率线性动态系统。通过 DMP 的这种概率表示，诸如卡尔曼滤波与平滑等算法可直接应用于在执行期间对本体感受传感器测量值进行推断。我们表明，在该概率模型中的推断会自动产生一个反馈项，以在线调节 DMP 的执行。此外，我们展示了推断如何使我们能够衡量成功执行给定运动基元的似然。在此背景下，我们展示了利用该概率模型在模拟运动基元数据集上检测执行失败的初步结果。
引用
@article{arxiv.1612.05932,
title = {A Probabilistic Representation for Dynamic Movement Primitives},
author = {Franziska Meier and Stefan Schaal},
journal= {arXiv preprint arXiv:1612.05932},
year = {2016}
}