論文の概要: LEARNEST: LEARNing Enhanced Model-based State ESTimation for Robots
using Knowledge-based Neural Ordinary Differential Equations
- arxiv url: http://arxiv.org/abs/2209.08185v1
- Date: Fri, 16 Sep 2022 22:16:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 20:15:03.762514
- Title: LEARNEST: LEARNing Enhanced Model-based State ESTimation for Robots
using Knowledge-based Neural Ordinary Differential Equations
- Title（参考訳）: LEARNEST:知識に基づくニューラル正規微分方程式を用いたロボットのモデルベース状態推定の学習
- Authors: Kong Yao Chee and M. Ani Hsieh
- Abstract要約: 本研究では、状態推定アルゴリズムで用いられる力学モデルを強化することにより、ロボットシステムの正確な状態推定を行うタスクについて考察する。
動的モデルの強化と推定精度の向上のために,知識ベースニューラル常微分方程式(KNODE)と呼ばれるディープラーニングフレームワークを利用する。
提案する LEARNEST フレームワークでは,データ駆動モデルと KNODE-MHE と KNODE-UKF の2つの新しいモデルベース状態推定アルゴリズムを統合する。
- 参考スコア（独自算出の注目度）: 4.3403382998035624
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: State estimation is an important aspect in many robotics applications. In
this work, we consider the task of obtaining accurate state estimates for
robotic systems by enhancing the dynamics model used in state estimation
algorithms. Existing frameworks such as moving horizon estimation (MHE) and the
unscented Kalman filter (UKF) provide the flexibility to incorporate nonlinear
dynamics and measurement models. However, this implies that the dynamics model
within these algorithms has to be sufficiently accurate in order to warrant the
accuracy of the state estimates. To enhance the dynamics models and improve the
estimation accuracy, we utilize a deep learning framework known as
knowledge-based neural ordinary differential equations (KNODEs). The KNODE
framework embeds prior knowledge into the training procedure and synthesizes an
accurate hybrid model by fusing a prior first-principles model with a neural
ordinary differential equation (NODE) model. In our proposed LEARNEST
framework, we integrate the data-driven model into two novel model-based state
estimation algorithms, which are denoted as KNODE-MHE and KNODE-UKF. These two
algorithms are compared against their conventional counterparts across a number
of robotic applications; state estimation for a cartpole system using partial
measurements, localization for a ground robot, as well as state estimation for
a quadrotor. Through simulations and tests using real-world experimental data,
we demonstrate the versatility and efficacy of the proposed learning-enhanced
state estimation framework.
- Abstract（参考訳）: 状態推定は多くのロボット応用において重要な側面である。
本研究では、状態推定アルゴリズムで用いられる力学モデルを強化することにより、ロボットシステムの正確な状態推定を行うタスクを検討する。
移動地平線推定(MHE)や無人カルマンフィルタ(UKF)のような既存のフレームワークは、非線形力学と測定モデルを組み込む柔軟性を提供する。
しかし、これは、これらのアルゴリズム内のダイナミクスモデルは、状態推定の精度を保証するために十分正確でなければならないことを意味する。
そこで我々は,知識ベースニューラル常微分方程式(KNODE)と呼ばれるディープラーニングフレームワークを用いて,力学モデルの向上と推定精度の向上を図る。
KNODEフレームワークは、事前知識をトレーニング手順に組み込み、ニューラル常微分方程式(NODE)モデルで事前の第一原理モデルを融合することにより、正確なハイブリッドモデルを合成する。
提案する LEARNEST フレームワークでは,データ駆動モデルと KNODE-MHE と KNODE-UKF の2つの新しいモデルベース状態推定アルゴリズムを統合する。
これらの2つのアルゴリズムは、いくつかのロボットアプリケーションで従来のものと比較される;部分的測定を用いた直交系の状態推定、地上ロボットの局在化、および四角形ロボットの状態推定である。
実世界実験データを用いたシミュレーションとテストを通じて,提案する学習強化状態推定フレームワークの汎用性と有効性を示す。
関連論文リスト
- QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。
QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。
例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文 参考訳（メタデータ） (2023-11-06T00:21:44Z) - How to Learn and Generalize From Three Minutes of Data:
Physics-Constrained and Uncertainty-Aware Neural Stochastic Differential
Equations [24.278738290287293]
ニューラル微分方程式(SDE)を用いた制御力学モデル学習のためのフレームワークとアルゴリズムを提案する。
本研究では,従来の物理知識を帰納バイアスとして活用するためのドリフト項を構築し,学習モデルの予測の不確かさを距離認識した推定値を表す拡散項を設計する。
我々は、シミュレーションロボットシステムの実験を通じてこれらの能力を実証し、ヘキサコプターの飛行力学をモデル化し制御する。
論文 参考訳（メタデータ） (2023-06-10T02:33:34Z) - On Robust Numerical Solver for ODE via Self-Attention Mechanism [82.95493796476767]
我々は,内在性雑音障害を緩和し,AIによって強化された数値解法を,データサイズを小さくする訓練について検討する。
まず,教師付き学習における雑音を制御するための自己認識機構の能力を解析し,さらに微分方程式の数値解に付加的な自己認識機構を導入し,簡便かつ有効な数値解法であるAttrを提案する。
論文 参考訳（メタデータ） (2023-02-05T01:39:21Z) - Real-to-Sim: Predicting Residual Errors of Robotic Systems with Sparse
Data using a Learning-based Unscented Kalman Filter [65.93205328894608]
我々は,動的・シミュレータモデルと実ロボット間の残差を学習する。
学習した残差誤差により、動的モデル、シミュレーション、および実際のハードウェア間の現実的ギャップをさらに埋めることができることを示す。
論文 参考訳（メタデータ） (2022-09-07T15:15:12Z) - Gradient-Based Trajectory Optimization With Learned Dynamics [80.41791191022139]
データからシステムの微分可能なダイナミクスモデルを学習するために、機械学習技術を使用します。
ニューラルネットワークは、大規模な時間的地平線に対して、非常に非線形な振る舞いを正確にモデル化できることが示される。
ハードウェア実験において、学習したモデルがSpotとRadio- controlled (RC)の両方の複雑な力学を表現できることを実証した。
論文 参考訳（メタデータ） (2022-04-09T22:07:34Z) - Using scientific machine learning for experimental bifurcation analysis
of dynamic systems [2.204918347869259]
本研究は、極限サイクルを持つ物理非線形力学系に対する普遍微分方程式(UDE)モデルの訓練に焦点をあてる。
数値シミュレーションによりトレーニングデータを生成する例を考察するとともに,提案するモデリング概念を物理実験に適用する。
ニューラルネットワークとガウス過程の両方を、力学モデルと共に普遍近似器として使用し、UDEモデリングアプローチの正確性と堅牢性を批判的に評価する。
論文 参考訳（メタデータ） (2021-10-22T15:43:03Z) - KNODE-MPC: A Knowledge-based Data-driven Predictive Control Framework
for Aerial Robots [5.897728689802829]
我々は、知識に基づくニューラル常微分方程式(KNODE)というディープラーニングツールを用いて、第一原理から得られたモデルを拡張する。
得られたハイブリッドモデルは、名目上の第一原理モデルと、シミュレーションまたは実世界の実験データから学習したニューラルネットワークの両方を含む。
閉ループ性能を改善するため、ハイブリッドモデルはKNODE-MPCとして知られる新しいMPCフレームワークに統合される。
論文 参考訳（メタデータ） (2021-09-10T12:09:18Z) - Physics-integrated hybrid framework for model form error identification
in nonlinear dynamical systems [0.0]
実生活の非線形系では、正確な非線形性の形式はよく知られておらず、既知の支配方程式は特定の仮定や近似に基づいていることが多い。
モデル形状の誤差を識別するだけでなく、既知のが近似的な支配方程式の予測能力を向上させるためにも活用する、新しいグレーボックスモデリング手法を提案する。
論文 参考訳（メタデータ） (2021-09-01T16:29:21Z) - Using Data Assimilation to Train a Hybrid Forecast System that Combines
Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。
動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文 参考訳（メタデータ） (2021-02-15T19:56:48Z) - Anomaly Detection of Time Series with Smoothness-Inducing Sequential
Variational Auto-Encoder [59.69303945834122]
Smoothness-Inducing Sequential Variational Auto-Encoder (SISVAE) モデルを提案する。
我々のモデルは、フレキシブルニューラルネットワークを用いて各タイムスタンプの平均と分散をパラメータ化する。
合成データセットと公開実世界のベンチマークの両方において,本モデルの有効性を示す。
論文 参考訳（メタデータ） (2021-02-02T06:15:15Z) - Robots State Estimation and Observability Analysis Based on Statistical
Motion Models [10.941793802354953]
本稿では,移動ロボットの動特性(翻訳と回転)を捉える汎用動作モデルを提案する。
このモデルは白色ランダムプロセスによって駆動される統計モデルに基づいており、エラー状態拡張カルマンフィルタリングフレームワーク(ESEKF)に基づく完全な状態推定アルゴリズムに定式化されている。
システム状態の観測不能なサブセットを特徴付けるために、新しいtexttextbfitthin セットの概念が導入された。
論文 参考訳（メタデータ） (2020-10-12T18:35:33Z)
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。