論文の概要: Orientation Probabilistic Movement Primitives on Riemannian Manifolds

• arxiv url: http://arxiv.org/abs/2110.15036v1
• Date: Thu, 28 Oct 2021 11:49:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-29 16:25:34.550014
• Title: Orientation Probabilistic Movement Primitives on Riemannian Manifolds
• Title（参考訳）: リーマン多様体上の方向確率的運動プリミティブ
• Authors: Leonel Rozo and Vedant Dave
• Abstract要約: 確率的運動プリミティブ(ProMP)は、実験から学んだ軌道分布をモデル化する原則的アプローチとして際立っている。 ProMPが運用空間で使用される場合、元の定式化は完全な動作には直接適用されない。 本稿では,四元軌道の符号化と検索を可能にするRiemann的ProMPの定式化を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Learning complex robot motions necessarily demands to have models that are able to encode and retrieve full-pose trajectories when tasks are defined in operational spaces. Probabilistic movement primitives (ProMPs) stand out as a principled approach that models trajectory distributions learned from demonstrations. ProMPs allow for trajectory modulation and blending to achieve better generalization to novel situations. However, when ProMPs are employed in operational space, their original formulation does not directly apply to full-pose movements including rotational trajectories described by quaternions. This paper proposes a Riemannian formulation of ProMPs that enables encoding and retrieving of quaternion trajectories. Our method builds on Riemannian manifold theory, and exploits multilinear geodesic regression for estimating the ProMPs parameters. This novel approach makes ProMPs a suitable model for learning complex full-pose robot motion patterns. Riemannian ProMPs are tested on toy examples to illustrate their workflow, and on real learning-from-demonstration experiments.
• Abstract（参考訳）: 複雑なロボットの動きを学習するには、タスクが運用空間で定義されたときに、完全な軌道を符号化し、取得できるモデルが必要である。 確率的運動プリミティブ(ProMP)は、実験から学んだ軌道分布をモデル化する原則的アプローチとして際立っている。 ProMPは軌道変調とブレンディングを可能にし、新しい状況へのより良い一般化を実現する。 しかし、ProMPが運用空間で使用される場合、元の定式化は四元数で表される回転軌道を含む完全な運動には直接適用されない。 本稿では,四元軌道の符号化と検索を可能にするRiemann的ProMPの定式化を提案する。 本手法はリーマン多様体理論を基礎とし,多線形測地線回帰を用いてprompsパラメータを推定する。 この新しいアプローチにより、ProMPsは複雑な完全なロボットの動きパターンを学習するのに適したモデルとなる。 Riemannian ProMPは、彼らのワークフローを説明するためのおもちゃの例や、実習実験でテストされている。

関連論文リスト

• Posterior Contraction Rates for Mat\'ern Gaussian Processes on Riemannian Manifolds [51.68005047958965]
  我々は,本質的なガウス過程が実際により優れた性能を発揮することを示す。 我々の研究は、データ効率の異なるレベルを区別するために、よりきめ細かい分析が必要であることを示している。
  論文  参考訳（メタデータ） (2023-09-19T20:30:58Z)
• Active Learning of Piecewise Gaussian Process Surrogates [2.5399204134718096]
  本研究では,Jump GPサロゲートを能動的に学習する手法を開発した。 ジャンプGPは、設計空間の領域において連続であるが、不連続である。 本研究では,Jump GPモデルのバイアスとばらつきを推定する手法を開発した。
  論文  参考訳（メタデータ） (2023-01-20T20:25:50Z)
• FaDIn: Fast Discretized Inference for Hawkes Processes with General Parametric Kernels [82.53569355337586]
  この研究は、有限なサポートを持つ一般パラメトリックカーネルを用いた時間点プロセス推論の効率的な解を提供する。 脳磁図(MEG)により記録された脳信号からの刺激誘発パターンの発生をモデル化し,その有効性を評価する。 その結果,提案手法により,最先端技術よりもパターン遅延の推定精度が向上することが示唆された。
  論文  参考訳（メタデータ） (2022-10-10T12:35:02Z)
• ProDMPs: A Unified Perspective on Dynamic and Probabilistic Movement Primitives [0.0]
  ムーブメントプリミティブ(英: Movement Primitives、MP)はモジュラー軌跡を表現・生成するためのよく知られた概念である。 MPは、ダイナミック・ムーブメント・プリミティブ(DMP)と確率的ムーブメント・プリミティブ(ProMP)の2つのタイプに分類される。
  論文  参考訳（メタデータ） (2022-10-04T11:20:20Z)
• Gaussian Processes and Statistical Decision-making in Non-Euclidean Spaces [96.53463532832939]
  我々はガウス過程の適用性を高める技術を開発した。 この観点から構築した効率的な近似を幅広く導入する。 非ユークリッド空間上のガウス過程モデルの集合を開発する。
  論文  参考訳（メタデータ） (2022-02-22T01:42:57Z)
• Geometry-aware Bayesian Optimization in Robotics using Riemannian Mat\'ern Kernels [64.62221198500467]
  ベイズ最適化のための幾何対応カーネルの実装方法を示す。 この技術は、ロボット工学における制御パラメータチューニング、パラメトリックポリシー適応、構造設計に利用できる。
  論文  参考訳（メタデータ） (2021-11-02T09:47:22Z)
• Vector-valued Gaussian Processes on Riemannian Manifolds via Gauge Equivariant Projected Kernels [108.60991563944351]
  本稿では、ベクトル値のガウス過程を幾何学に忠実に誘導するゲージ同変カーネルの構築法を提案する。 我々は,変分推論などの標準ガウスプロセストレーニング手法を,この設定に拡張する。
  論文  参考訳（メタデータ） (2021-10-27T13:31:10Z)
• Periodic DMP formulation for Quaternion Trajectories [14.182479811070484]
  動的運動プリミティブ(DMP)は、複雑な離散的、周期的なスキルを学習し、再現するために広く利用されている。 本稿では,周期軌道の符号化を可能にする新しい定式化を提案する。 実ロボットを用いて、周期的な方向変化を伴う日常的なタスクを実行する実験を行った。
  論文  参考訳（メタデータ） (2021-10-20T11:43:01Z)
• Mat\'ern Gaussian processes on Riemannian manifolds [81.15349473870816]
  ガウス過程の広く用いられるマタン類を一般化する方法を示す。 また、Mat'ern から広く用いられる2乗指数過程への一般化も拡張する。
  論文  参考訳（メタデータ） (2020-06-17T21:05:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。