論文の概要: Dynamics Harmonic Analysis of Robotic Systems: Application in Data-Driven Koopman Modelling

• arxiv url: http://arxiv.org/abs/2312.07457v2
• Date: Mon, 27 May 2024 10:58:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-29 08:25:16.996715
• Title: Dynamics Harmonic Analysis of Robotic Systems: Application in Data-Driven Koopman Modelling
• Title（参考訳）: ロボットシステムのダイナミクス調和解析:データ駆動クープマンモデリングへの応用
• Authors: Daniel Ordoñez-Apraez, Vladimir Kostic, Giulio Turrisi, Pietro Novelli, Carlos Mastalli, Claudio Semini, Massimiliano Pontil,
• Abstract要約: 我々は,対称ロボットシステムの状態空間を異型部分空間に分解するために調和解析を導入する。 線形力学では、この分解が各部分空間上の独立線型系への力学の分割にどのように繋がるかを特徴づける。 本アーキテクチャは, 合成システムと四足歩行ロボットの運動力学に基づいて, 一般化, サンプル効率, 解釈可能性の向上を図っている。
• 参考スコア（独自算出の注目度）: 24.738444847113232
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce the use of harmonic analysis to decompose the state space of symmetric robotic systems into orthogonal isotypic subspaces. These are lower-dimensional spaces that capture distinct, symmetric, and synergistic motions. For linear dynamics, we characterize how this decomposition leads to a subdivision of the dynamics into independent linear systems on each subspace, a property we term dynamics harmonic analysis (DHA). To exploit this property, we use Koopman operator theory to propose an equivariant deep-learning architecture that leverages the properties of DHA to learn a global linear model of the system dynamics. Our architecture, validated on synthetic systems and the dynamics of locomotion of a quadrupedal robot, exhibits enhanced generalization, sample efficiency, and interpretability, with fewer trainable parameters and computational costs.
• Abstract（参考訳）: 対称ロボットシステムの状態空間を直交同型部分空間に分解するために調和解析を導入する。 これらは、差分、対称、および相乗運動を捉える低次元空間である。 線形力学では、この分解が各部分空間上の独立線型系への力学の分割にどのように寄与するかを特徴付け、力学調和解析(DHA)と呼ぶ。 この特性を利用するために、システム力学の大域的線形モデルを学ぶために、DHAの特性を利用する同変ディープラーニングアーキテクチャを提案する。 本アーキテクチャは, 四足歩行ロボットの運動力学と合成システムで検証し, より高度な一般化, サンプル効率, 解釈可能性を示し, トレーニング可能なパラメータや計算コストを少なくする。

関連論文リスト

• Automated Global Analysis of Experimental Dynamics through Low-Dimensional Linear Embeddings [3.825457221275617]
  非線形力学系に対する低次元線形モデルを導出するためのデータ駆動型計算フレームワークを提案する。 このフレームワークは、基盤となるシステム構造をキャプチャする解釈可能な線形モデルを通じて、大域的な安定性解析を可能にする。 本手法は, 物理, 気候科学, 工学などの分野にまたがる複雑な力学挙動を解析するための, 有望な経路を提供する。
  論文  参考訳（メタデータ） (2024-11-01T19:27:47Z)
• Latent Space Energy-based Neural ODEs [73.01344439786524]
  本稿では,連続時間シーケンスデータを表現するために設計された深部力学モデルの新しいファミリを紹介する。 マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。 発振システム、ビデオ、実世界の状態シーケンス(MuJoCo)の実験は、学習可能なエネルギーベース以前のODEが既存のものより優れていることを示している。
  論文  参考訳（メタデータ） (2024-09-05T18:14:22Z)
• Physically Analyzable AI-Based Nonlinear Platoon Dynamics Modeling During Traffic Oscillation: A Koopman Approach [4.379212829795889]
  物理的アナライザビリティを同時に達成しつつ、高精度なモデリング手法が不可欠である。 本稿では,AIのパワーを利用した未知の非線形プラトン力学をモデル化するためのAIベースのクープマン手法を提案する。
  論文  参考訳（メタデータ） (2024-06-20T19:35:21Z)
• Morphological Symmetries in Robotics [45.32599550966704]
  形態的対称性は ロボットの形態の固有の特性です これらの対称性は、ロボットの状態空間とセンサーの測定にまで拡張される。 データ駆動型手法では, 機械学習モデルのサンプル効率と一般化を, モルフォロジー対称性により向上させることができることを示す。 解析手法の文脈では、ロボットの力学を低次元独立力学の重ね合わせに分解するために抽象調和解析を用いる。
  論文  参考訳（メタデータ） (2024-02-23T17:21:21Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• Autoencoders for discovering manifold dimension and coordinates in data from complex dynamical systems [0.0]
  Autoencoder frameworkは暗黙の正則化と内部線形層と$L$正則化(重崩壊)を組み合わせる このフレームワークは、状態空間モデリングや予測の応用のために自然に拡張できることを示す。
  論文  参考訳（メタデータ） (2023-05-01T21:14:47Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Capturing Actionable Dynamics with Structured Latent Ordinary Differential Equations [68.62843292346813]
  本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。 静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
  論文  参考訳（メタデータ） (2022-02-25T20:00:56Z)
• Supervised DKRC with Images for Offline System Identification [77.34726150561087]
  現代の力学系はますます非線形で複雑なものになりつつある。 予測と制御のためのコンパクトで包括的な表現でこれらのシステムをモデル化するフレームワークが必要である。 本手法は,教師付き学習手法を用いてこれらの基礎関数を学習する。
  論文  参考訳（メタデータ） (2021-09-06T04:39:06Z)
• Discovering Sparse Interpretable Dynamics from Partial Observations [0.0]
  部分的な観測のみを用いてこれらの支配方程式を発見するための機械学習フレームワークを提案する。 本手法がシステム全体の再構築に有効であることを示す。
  論文  参考訳（メタデータ） (2021-07-22T18:23:23Z)
• Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems [74.80320120264459]
  本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。 複素運動は安定な力学系のロールアウトとして符号化される。 このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
  論文  参考訳（メタデータ） (2020-05-27T03:51:57Z)

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。