論文の概要: Feedforward Controllers from Learned Dynamic Local Model Networks with Application to Excavator Assistance Functions
- arxiv url: http://arxiv.org/abs/2409.16875v1
- Date: Wed, 25 Sep 2024 12:40:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-27 03:45:10.547868
- Title: Feedforward Controllers from Learned Dynamic Local Model Networks with Application to Excavator Assistance Functions
- Title（参考訳）: 学習型動的局所モデルネットワークからのフィードフォワード制御系とエクサベータ支援機能への応用
- Authors: Leon Greiser, Ozan Demir, Benjamin Hartmann, Henrik Hose, Sebastian Trimpe,
- Abstract要約: 我々は、ゼロダイナミクスによるLMNのフィードバック線形化が有効なコントローラを生成するときの基準を提供する。
実験では、外乱信号と複数の入力と出力を組み込むことで、学習した制御器の追跡性能が向上する。
- 参考スコア（独自算出の注目度）: 4.664767161598515
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Complicated first principles modelling and controller synthesis can be prohibitively slow and expensive for high-mix, low-volume products such as hydraulic excavators. Instead, in a data-driven approach, recorded trajectories from the real system can be used to train local model networks (LMNs), for which feedforward controllers are derived via feedback linearization. However, previous works required LMNs without zero dynamics for feedback linearization, which restricts the model structure and thus modelling capacity of LMNs. In this paper, we overcome this restriction by providing a criterion for when feedback linearization of LMNs with zero dynamics yields a valid controller. As a criterion we propose the bounded-input bounded-output stability of the resulting controller. In two additional contributions, we extend this approach to consider measured disturbance signals and multiple inputs and outputs. We illustrate the effectiveness of our contributions in a hydraulic excavator control application with hardware experiments. To this end, we train LMNs from recorded, noisy data and derive feedforward controllers used as part of a leveling assistance system on the excavator. In our experiments, incorporating disturbance signals and multiple inputs and outputs enhances tracking performance of the learned controller. A video of our experiments is available at https://youtu.be/lrrWBx2ASaE.
- Abstract（参考訳）: 複雑な第1原理のモデリングとコントローラ合成は、油圧掘削機のようなハイミックスで低体積の製品では、極めて遅くて高価である。
代わりに、データ駆動方式では、実システムから記録された軌跡を用いてローカルモデルネットワーク(LMN)を訓練し、フィードバック線形化によってフィードフォワードコントローラを導出することができる。
しかし、これまでの研究では、フィードバック線形化のためにゼロダイナミクスのないLMNが必要であり、モデル構造を制限し、LMNのキャパシティをモデル化した。
本稿では、ゼロダイナミクスによるLMNのフィードバック線形化が有効なコントローラとなる場合の基準を提供することで、この制限を克服する。
基準として,結果の制御器のバウンド・インプット・バウンド・アウトプット安定性を提案する。
さらに2つのコントリビューションにおいて、計測された外乱信号と複数の入力と出力を考慮するためにこのアプローチを拡張した。
ハードウェア実験による油圧掘削機制御アプリケーションにおける提案手法の有効性について述べる。
この目的のために,掘削機におけるレベル化支援システムの一部として,記録されたノイズの多いデータからLMNを学習し,フィードフォワード制御を導出する。
実験では、外乱信号と複数の入力と出力を組み込むことで、学習した制御器の追跡性能が向上する。
実験のビデオはhttps://youtu.be/lrrWBx2ASaE.comで公開されている。
関連論文リスト
- Denoising Diffusion-Based Control of Nonlinear Systems [3.4530027457862]
本稿では,非線形力学系を制御するために,拡散確率モデル(DDPM)に基づく新しい手法を提案する。
DDPMは様々なサンプリングタスクで成功を収めた生成モデルの最先端技術である。
様々な非線形システムに対する我々のアプローチを数値的に研究し、理論的結果を検証する。
論文 参考訳（メタデータ） (2024-02-03T23:19:26Z) - A comparison of RL-based and PID controllers for 6-DOF swimming robots:
hybrid underwater object tracking [8.362739554991073]
本稿では,PIDコントローラの代替として,集中型深層Q-network(DQN)コントローラを用いた調査と評価を行う。
我々の主な焦点は、この遷移を水中物体追跡の特定のケースで説明することに集中している。
本実験は,Unityをベースとしたシミュレータで実施し,分離したPIDコントローラ上での集中型RLエージェントの有効性を検証した。
論文 参考訳（メタデータ） (2024-01-29T23:14:15Z) - Controlling dynamical systems to complex target states using machine
learning: next-generation vs. classical reservoir computing [68.8204255655161]
機械学習を用いた非線形力学系の制御は、システムを周期性のような単純な振る舞いに駆動するだけでなく、より複雑な任意の力学を駆動する。
まず, 従来の貯水池計算が優れていることを示す。
次のステップでは、これらの結果を異なるトレーニングデータに基づいて比較し、代わりに次世代貯水池コンピューティングを使用する別のセットアップと比較する。
その結果、通常のトレーニングデータに対して同等のパフォーマンスを提供する一方で、次世代RCは、非常に限られたデータしか利用できない状況において、著しくパフォーマンスが向上していることがわかった。
論文 参考訳（メタデータ） (2023-07-14T07:05:17Z) - UnLoc: A Universal Localization Method for Autonomous Vehicles using
LiDAR, Radar and/or Camera Input [51.150605800173366]
UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。
本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
論文 参考訳（メタデータ） (2023-07-03T04:10:55Z) - Value function estimation using conditional diffusion models for control [62.27184818047923]
拡散値関数(DVF)と呼ばれる単純なアルゴリズムを提案する。
拡散モデルを用いて環境-ロボット相互作用の連成多段階モデルを学ぶ。
本稿では,DVFを用いて複数のコントローラの状態を効率よく把握する方法を示す。
論文 参考訳（メタデータ） (2023-06-09T18:40:55Z) - Designing a Robust Low-Level Agnostic Controller for a Quadrotor with
Actor-Critic Reinforcement Learning [0.38073142980732994]
ソフトアクター・クリティカルに基づく低レベルウェイポイント誘導制御器の訓練段階におけるドメインランダム化を提案する。
トレーニング中の四元数力学に一定の不確実性を導入することにより、より大規模な四元数パラメータを用いて提案課題を実行することができる制御器が得られることを示す。
論文 参考訳（メタデータ） (2022-10-06T14:58:19Z) - Automatic Rule Induction for Efficient Semi-Supervised Learning [56.91428251227253]
半教師付き学習は、少量のラベル付きデータからNLPモデルを一般化できることを約束している。
事前訓練されたトランスモデルはブラックボックス相関エンジンとして機能し、説明が困難であり、時には信頼性に欠ける振る舞いをする。
本稿では,これらの課題に,簡易かつ汎用的なフレームワークであるAutomatic Rule Injection (ARI) を用いて対処することを提案する。
論文 参考訳（メタデータ） (2022-05-18T16:50:20Z) - An Offset-Free Nonlinear MPC scheme for systems learned by Neural NARX
models [0.803314610321292]
本稿では,オフセットフリーなセットポイントトラッキングを実現する非線形MPCコントローラの設計について述べる。
提案手法は, 植物に作用する乱れの存在下においても顕著な性能を発揮する。
論文 参考訳（メタデータ） (2022-03-30T13:30:07Z) - Gaussian Process-based Min-norm Stabilizing Controller for
Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。
この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
論文 参考訳（メタデータ） (2020-11-14T01:27:32Z) - Optimal PID and Antiwindup Control Design as a Reinforcement Learning
Problem [3.131740922192114]
DRL制御法の解釈可能性に着目した。
特に、線形固定構造コントローラをアクター・クリティカル・フレームワークに埋め込まれた浅層ニューラルネットワークとみなす。
論文 参考訳（メタデータ） (2020-05-10T01:05:26Z) - Improving Input-Output Linearizing Controllers for Bipedal Robots via
Reinforcement Learning [85.13138591433635]
入力出力線形化コントローラの主な欠点は、正確な力学モデルが必要であり、入力制約を考慮できないことである。
本稿では,強化学習技術を用いた二足歩行ロボット制御の具体例について,両課題に対処する。
論文 参考訳（メタデータ） (2020-04-15T18:15:49Z)
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。