用于车辆动力学在线学习的局部加权回归伪排练
机器人学
2019-05-14 v1 机器学习
摘要
我们考虑为一个用于表示车辆动力学的神经网络进行在线自适应的问题。该神经网络模型旨在由 MPC 控制律使用以自主控制车辆。此问题具有挑战性，因为输入分布与目标分布均非平稳，且朴素的在线自适应方法会导致灾难性遗忘，进而可能引发控制器失效。我们提出一种新颖的在线学习方法，将伪排练方法与局部加权投影回归相结合。我们在仿真中以及使用一辆 1/5 比例自动驾驶车辆采集的大型真实世界数据集上，展示了所得到的局部加权投影回归伪排练（LW-PR）方法的有效性。
引用
@article{arxiv.1905.05162,
title = {Locally Weighted Regression Pseudo-Rehearsal for Online Learning of Vehicle Dynamics},
author = {Grady Williams and Brian Goldfain and James M. Rehg and Evangelos A. Theodorou},
journal= {arXiv preprint arXiv:1905.05162},
year = {2019}
}
备注
10 pages, 4 figures