设计深度神经网络作为附加模块以提升即兴轨迹跟踪性能
机器人学
2017-10-09 v2
摘要
本文引入深度神经网络（DNNs）作为基线反馈控制系统的附加模块，以增强对任意期望轨迹的跟踪性能。这些DNNs被训练用于调整反馈控制回路的参考信号，目标是实现期望输出与实际输出之间的单位映射。在先前工作中，该方法在四旋翼飞行器上的有效性已得到验证：在30条未见过的测试轨迹上，所提出的DNN方法相比基线反馈控制器平均减少了43%的即兴跟踪误差。受这些结果启发，本工作旨在为所提出的DNN增强控制架构提供平台无关的设计指南。具体而言，我们给出了DNN特征选择的具体指南，推导了所提方法有效的条件，并展示了在哪些情况下可以进一步提高训练效率。
引用
@article{arxiv.1705.10932,
title = {Design of Deep Neural Networks as Add-on Blocks for Improving Impromptu Trajectory Tracking},
author = {Siqi Zhou and Mohamed K. Helwa and Angela P. Schoellig},
journal= {arXiv preprint arXiv:1705.10932},
year = {2017}
}
备注
56th IEEE Conference on Decision and Control