神经逆源问题
机器人学
2024-11-05 v1
摘要
从未知外部源函数中进行重构是机器人领域（包括操作、空中和水下机器人）重要的感知能力。本文提出一种基于物理信息神经网络 (PINN) 的方法，用于解决机器人中的逆源问题，联合识别部分和噪声观测下的未知源函数和完整系统状态。我们的 approach 相较于先前方法（有限元方法 FEM 和数据驱动方法）具有several优势：能够灵活地整合多样约束和边界条件；消除复杂离散化（如网格化）的需求；轻松适应真实测量的梯度；且不受训练数据的多样性和质量限制。我们在三个包含高阶偏微分方程（PDE）、Signorini 与 Dirichlet 边界条件以及各种回归损失（包括 Chamfer 距离和 L2 范数）的仿真与真实场景中验证了该方法。
引用
@article{arxiv.2411.01665,
title = {Neural Inverse Source Problems},
author = {Youngsun Wi and Jayjun Lee and Miquel Oller and Nima Fazeli},
journal= {arXiv preprint arXiv:2411.01665},
year = {2024}
}