AI-MOLE：面向未知非线性动力学的自主迭代运动学习及广泛实验验证
机器人学
2024-04-10 v1 系统与控制
系统与控制
摘要
本文提出自主迭代运动学习（AI-MOLE），一种使具有未知非线性动力学的系统能够自主学会解决参考跟踪任务的方法。该方法迭代地将输入轨迹应用于未知动力学，基于实验数据训练高斯过程模型，并利用该模型更新输入轨迹，直到达到期望的跟踪性能。与现有方法不同，所提方法自动确定必要参数，即AI-MOLE即插即用，无需手动参数调整。此外，AI-MOLE仅需输入/输出信息，但也可利用可用的状态信息加速学习。虽然其他方法通常仅在仿真或单个真实世界测试平台上使用手动调整的参数进行验证，我们展示了前所未有的结果：在三个不同的真实世界机器人上，针对总共九个不同的参考跟踪任务验证了所提方法，无需任何先验模型信息或手动参数调整。在所有系统和任务中，AI-MOLE快速学会跟踪参考，完全无需任何手动参数调整，即使仅使用输入/输出信息。
引用
@article{arxiv.2404.06179,
title = {AI-MOLE: Autonomous Iterative Motion Learning for Unknown Nonlinear Dynamics with Extensive Experimental Validation},
author = {Michael Meindl and Simon Bachhuber and Thomas Seel},
journal= {arXiv preprint arXiv:2404.06179},
year = {2024}
}
备注
9 pages, 6 figures, journal article