BriefGPT - AI 论文速递
·
使用高斯过程的数据驱动力观察器进行人机交互与串级弹性执行器
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本论文提出了一种基于高斯过程回归的黑盒模型，用于识别机器人操纵器的反向动力学。该模型使用新颖的多维核函数，准确性、广泛性和数据效率优于其他方法。实验结果表明，该方法在模拟和真实机器人操纵器上表现出与基于模型的估计器相当的性能，但需要更少的先验信息。
🎯
关键要点
- 提出了一种基于高斯过程回归的黑盒模型，用于识别机器人操纵器的反向动力学。
- 模型基于新颖的多维核函数，称为拉格朗日启发的多项式核。
- 该模型能够估计动能和势能，无需这些量的标签。
- 在准确性、广泛性和数据效率方面优于基于高斯过程和神经网络的最先进的黑盒估计器。
- 实验结果表明，该方法在模拟和真实机器人操纵器上表现出与基于模型的估计器相当的性能。
- 该方法需要更少的先验信息。
➡️
