基于改进动态系统稳定估计器的机器人技能学习方法
提出一种基于改进动态系统稳定估计器的机器人技能学习方法.现有的动态系统稳定估计器方法可以通过非线性优化来确保学习系统的全局稳定性,但是存在确定高斯混合分量个数困难以及稳定性和精度无法兼顾的问题.因此,根据贝叶斯非参数模型可以自动确定合适分量个数的特性,采用狄利克雷过程高斯混合模型对演示进行初始拟合.随后利用参数化二次李雅普诺夫函数重新推导新的稳定性约束,有效地解决了动态系统稳定估计器方法中稳定性和精度难以兼顾的问题.最后,在LASA数据库和Franka-panda机器人上的实验验证了新方法的有效性和优越性.
示教学习、动态系统、贝叶斯非参数模型、高斯混合模型、李雅普诺夫函数
48
TP181;TP391.41;TP274
浙江省自然科学基金重大项目;国家自然科学基金;国家自然科学基金
2022-07-29(万方平台首次上网日期,不代表论文的发表时间)
共11页
1771-1781