黑盒与灰盒:基于旋转与碰撞的乒乓球轨迹预测学习案例研究
机器人学
2023-06-13 v2 机器学习
系统与控制
系统与控制
摘要
本文提出一种乒乓球轨迹滤波与预测方法。我们的灰盒方法构建于物理模型之上。同时,我们利用数据学习动态模型、扩展卡尔曼滤波器以及推断球初始条件神经模型的参数。我们展示了该方法相对于两种未提供物理先验知识的黑盒方法的优越预测性能。我们证明,使用神经网络从发球机参数初始化旋转,相比仅从测得球位置估计旋转,大幅改善了长时间预测性能。准确的球轨迹预测对于成功回球至关重要。因此我们采用气动人工肌肉机器人评估回球性能,实现了 29/30(97.7%)的回球率。
引用
@article{arxiv.2305.15189,
title = {Black-Box vs. Gray-Box: A Case Study on Learning Table Tennis Ball Trajectory Prediction with Spin and Impacts},
author = {Jan Achterhold and Philip Tobuschat and Hao Ma and Dieter Buechler and Michael Muehlebach and Joerg Stueckler},
journal= {arXiv preprint arXiv:2305.15189},
year = {2023}
}
备注
Accepted for publication at the 5th Annual Conference on Learning for Dynamics and Control (L4DC) 2023 (camera-ready). With supplementary material