具有置信保证的机器人控制器全局动力学的数据高效表征
机器人学
2022-10-05 v1
摘要
本文提出将代理建模与拓扑相结合，以显著减少描述机器人控制器（包括黑盒控制器）底层全局动力学所需的数据量。一个高斯过程（GP）通过在状态空间上随机化的短轨迹训练，充当底层动力系统的代理模型。然后，构建一个组合表示并以有向无环图（称为Morse图）的形式描述动力学。Morse图能够描述系统的吸引子及其相应的吸引域（roa）。此外，提供了整个状态空间上全局动力学估计的逐点置信水平。与替代方法相比，该框架不需要估计Lyapunov函数，从而减轻了对GP高预测精度的需求。只要满足Lipschitz连续性，该框架适用于不暴露解析模型的数据驱动控制器。该方法与已有的解析方法和近期用于估计roa的机器学习替代方法进行比较，在数据效率上优于它们且不牺牲准确性。代码链接：https://go.rutgers.edu/49hy35en
引用
@article{arxiv.2210.01292,
title = {Data-Efficient Characterization of the Global Dynamics of Robot Controllers with Confidence Guarantees},
author = {Ewerton R. Vieira and Aravind Sivaramakrishnan and Yao Song and Edgar Granados and Marcio Gameiro and Konstantin Mischaikow and Ying Hung and Kostas E. Bekris},
journal= {arXiv preprint arXiv:2210.01292},
year = {2022}
}