基于自适应晶格的运动规划
信号处理
2025-08-05 v1 机器学习
摘要
本文提出了一种基于自适应晶格的运动规划解决方案，以解决为由线性可参数化非线性模型表示、处于拥挤环境中的系统生成可行轨迹的问题。该系统模型被认为具有不确定的模型参数。关键思想是利用在线获取的输入/输出数据来更新包含不确定系统参数的数据集，以及动态估计的模型参数，以便随时间减少模型估计误差。这进而提高了使用基于适当准则选择的名义估计模型生成的晶格运动原型的质量。运动原型还配备了管道，以解决名义估计模型与真实系统模型之间的模型不匹配问题，确保整体运动碰撞自由。管道的尺寸均为均匀，与包含不确定系统参数的数据集大小成正比。自适应学习模块保证了数据集直径以及动态估计参数与真实系统参数之间的参数估计误差的减少。这直接导致管道尺寸的减少，并保证所使用的运动原型无限接近于与真实系统模型相关联的分辨率最优运动原型，从而显著提高随时间的整体运动规划性能。通过考虑包含不确定参数的欧拉-拉格朗日动力学的无人机模型在拥挤环境中的操作，演示了运动规划器的效率。
引用
@article{arxiv.2508.02349,
title = {Detecting and measuring respiratory events in horses during exercise with a microphone: deep learning vs. standard signal processing},
author = {Jeanne I. M. Parmentier and Rhana M. Aarts and Elin Hernlund and Marie Rhodin and Berend Jan van der Zwaag},
journal= {arXiv preprint arXiv:2508.02349},
year = {2025}
}