基于 Morse 图辅助的高维机器人控制器潜在空间吸引域分析（MORALS）
机器人学
2024-09-19 v2
摘要
估计机器人控制器的吸引域（）对于安全应用和控制器组合至关重要。许多现有方法需要闭式表达式，限制了对数据驱动控制器的适用性。仅基于轨迹展开的方法往往数据需求量大。在先前工作中，我们已证明基于 （组合表示底层非线性动力学的有向无环图）的拓扑工具可在无需解析模型的情况下提供数据高效的 估计。然而，由于其在状态空间离散化上操作，难以应对高维系统。本文提出 rse 图辅助的习得 atent pace 中 egions of ttraction 发现（）。该方法将自编码神经网络与 Morse 图结合。 在估计高维系统（包括 67 维人形机器人和 96 维三指机械手）上数据驱动控制器的吸引子及其 方面展现出有前景的预测能力。它首先将受控系统动力学投影到习得的潜在空间，然后构建表示底层动力学双稳态的简化 Morse 图，即检测控制器何时导致期望与非期望行为。在高维机器人数据集上的评估表明了其在 估计中的数据高效性。
引用
@article{arxiv.2310.03246,
title = {${\tt MORALS}$: Analysis of High-Dimensional Robot Controllers via Topological Tools in a Latent Space},
author = {Ewerton R. Vieira and Aravind Sivaramakrishnan and Sumanth Tangirala and Edgar Granados and Konstantin Mischaikow and Kostas E. Bekris},
journal= {arXiv preprint arXiv:2310.03246},
year = {2024}
}
备注
The first two authors contributed equally to this paper