在采样过程中利用先验领域知识主动学习动力学
系统与控制
2024-03-27 v1 机器学习
系统与控制
摘要
我们提出了一种主动学习算法，用于学习动力学，该算法通过在采样过程中显式地结合先验领域知识来利用辅助信息。我们提出的算法引导探索朝向那些在观测数据与从辅助信息导出的不完美先验动力学模型之间表现出高经验差异的区域。通过数值实验，我们证明该策略探索高差异区域，加速学习的同时降低模型不确定性。我们通过给出最大预测方差的显式收敛速率，严格证明了我们的主动学习算法能产生对底层动力学的一致估计。我们在一个欠驱动摆系统以及半猎豹 MuJoCo 环境中展示了我们方法的有效性。
引用
@article{arxiv.2403.17233,
title = {Active Learning of Dynamics Using Prior Domain Knowledge in the Sampling Process},
author = {Kevin S. Miller and Adam J. Thorpe and Ufuk Topcu},
journal= {arXiv preprint arXiv:2403.17233},
year = {2024}
}