基于拉格朗日算子推断的软体机器人数据驱动模型降阶
机器人学
2024-07-15 v1 机器学习
数值分析
数值分析
摘要
数据驱动模型降阶方法提供了一种非侵入式途径，能够构建高保真模型的计算高效代理模型，用于软体机器人的实时控制。本工作利用模型方程的拉格朗日特性，通过拉格朗日算子推断推导出保结构的线性降阶模型，并通过一个具有 231,336 个自由度的鳗形游动软体机器人模型实例，将其性能与著名的线性模型降阶技术进行了比较。案例研究表明，保留底层的拉格朗日结构可使学习到的模型具有更高的预测精度和对未见输入的鲁棒性。
引用
@article{arxiv.2407.08840,
title = {Data-driven Model Reduction for Soft Robots via Lagrangian Operator Inference},
author = {Harsh Sharma and Iman Adibnazari and Jacobo Cervera-Torralba and Michael T. Tolley and Boris Kramer},
journal= {arXiv preprint arXiv:2407.08840},
year = {2024}
}