用于 rover–地形动力学辨识的自适应元学习
机器人学
2025-05-09 v1 机器学习
摘要
rover 需要了解地形以规划兼顾安全性与效率的轨迹。地形类型分类依赖于人类操作员输入或基于机器学习的图像分类算法。然而，高层级的地形分类通常不足以预防诸如 rover 意外陷入沙坑等事故；在此类情形下，可利用在线的 rover–地形交互数据来准确预测未来动力学并防止 rover 受到进一步损害。本文提出一种基于元学习的方法，通过用贝叶斯回归算法（P-ALPaCA）增强参数仿射的标称模型，来自适应地预测 rover 动力学的概率预测。引入一种正则化方案以促使标称特征与学习到的特征正交，从而在不同地形条件下得到可解释的地形参数概率估计。
引用
@article{arxiv.2009.10191,
title = {Adaptive Meta-Learning for Identification of Rover-Terrain Dynamics},
author = {S. Banerjee and J. Harrison and P. M. Furlong and M. Pavone},
journal= {arXiv preprint arXiv:2009.10191},
year = {2025}
}