基于神经形态自适应控制算法的机械臂随时间学习能力
机器人学
2022-10-05 v1 人工智能
系统与控制
系统与控制
摘要
在本文中，我们通过部署并深入评估一种基于脉冲神经网络（SNN）的自适应控制算法，探索机械臂学习由臂端执行器可达位置（x, y, z）所定义的操作空间（包括扰动）的能力。传统机器人控制算法在适应新的动态环境方面存在局限，而我们表明机械臂可随时间学习操作空间并更快地完成任务。我们还证明了基于 SNN 的自适应机器人控制算法能够在保持能效的同时实现快速响应。我们通过广泛搜索自适应算法参数空间，并评估不同 SNN 网络规模、学习率、动态机械臂轨迹和响应时间下的算法性能，得到了这些结果。我们表明，在特定实验场景（如包含六个或九个随机目标点的场景）中，机械臂学会完成任务的速度提升了 15%。
引用
@article{arxiv.2210.01243,
title = {Learning over time using a neuromorphic adaptive control algorithm for robotic arms},
author = {Lazar Supic and Terrence C. Stewart},
journal= {arXiv preprint arXiv:2210.01243},
year = {2022}
}