用于四旋翼多步运动预测的时间卷积
机器人学
2021-10-11 v1 机器学习
摘要
用于四旋翼、自动驾驶车辆与柔性机械臂等机器人系统的基于模型的控制方法需要能在长时间内生成复杂非线性系统动力学准确预测的运动模型。时间卷积网络（TCNs）可将多步预测表述为序列到序列建模问题，从而适应此挑战。我们提出 End2End-TCN：一种全卷积架构，其整合未来控制输入以在一次前向传播中计算多步运动预测。我们通过针对四旋翼建模任务的 TCN 性能深入分析（包括尺度效应研究与消融实验）展示了该方法。最终，End2End-TCN 在激进室内四旋翼飞行数据集上的多步预测中相较最先进水平减少了 55% 的误差。该模型在 900 ms 区间内跨 90 个时间步长给出了准确预测。
引用
@article{arxiv.2110.04182,
title = {Temporal Convolutions for Multi-Step Quadrotor Motion Prediction},
author = {Samuel Looper and Steven L. Waslander},
journal= {arXiv preprint arXiv:2110.04182},
year = {2021}
}