从像素中学习比例微分可控的潜空间
机器学习
2023-02-07 v2
摘要
近期从像素中学习潜空间动力学模型在基于视觉的模型预测控制（MPC）中展现出可喜进展。然而，由于每个时间步内密集的计算成本，实时执行 MPC 可能具有挑战性。我们提出引入额外的学习目标，以强制所学潜空间是比例微分（PD）可控的。在执行时，简单的 PD 控制器可直接应用于从像素编码的潜空间，从而为具有视觉观测的系统产生简单而有效的控制。我们表明，我们的方法在各种环境中均优于基线方法，能够实现鲁棒的目标到达与轨迹跟踪。
引用
@article{arxiv.2110.08239,
title = {Learn Proportional Derivative Controllable Latent Space from Pixels},
author = {Weiyao Wang and Marin Kobilarov and Gregory D. Hager},
journal= {arXiv preprint arXiv:2110.08239},
year = {2023}
}