Jan, 2017

基于线性矩阵不等式的惯性参数物理一致性辨识：对质量分配的统计视角

PDF
TL;DR该研究论文探讨了在机器人系统中运用惯性参数的建模和识别方法，提出了一种基于线性矩阵不等式的物理一致性约束方法，能够提高收敛速度和抵抗噪声干扰，并且通过标准半定规划实现对底盘组件的参数优化。
发现论文，激发创造
  • 在流形上进行优化以识别完全物理一致的惯性参数

    本文提出了一种新的条件，即完全物理一致性，用于确定一组惯性参数是否可由物理刚体生成；提出的条件保证三维惯性矩阵的正定性和三角不等式。本文还提出了一种新的参数化方法，自然保证惯性参数完全符合物理一致性。利用该参数化方法，将惯性识别问题重新表示为流形优化问题，从而保证识别出的参数始终可以被物理刚体所生成。在 iCub 人形机器人上进行了一系列实验，验证了所提出的优化问题。

    Oct, 2016

  • 集合的线性矩阵不等式表示

    本文考察线性矩阵不等式的表示范围，讨论了 LMI 在控制理论中的应用，提出了刚性凸性的必要条件和严格可行条件，并证明了 m=2 时的充分必要条件。

    Jun, 2003

  • 基于黎曼优化的距离几何逆运动学

    本文提出了基于距离几何的逆运动学求解器，并结合 Riemannian 优化算法，初值平滑技术等方法，实现了更高效的求解方法。

    Aug, 2021

  • 不稳定线性系统的有限时间辨识

    该研究针对不稳定线性系统的参数识别问题进行了研究，建立了针对重尾噪声分布和转移矩阵的一类较大误差最小二乘估计的有限时间界限，并与问题维度和真实转移矩阵的关键特征及噪声分布函数的性质相关联，并使用随机矩阵和鞅差序列的适当浓度不等式来实现这些结果。

    Oct, 2017

  • 通过物理引擎快速模型识别，以进行数据高效策略搜索

    本文提出的方法利用物理引擎技术和基于贝叶斯优化的模型参数优化算法，通过模拟实验和样本学习的方式，有效地辨识了机器人的力学参数，提高了现有策略搜索算法的数据效率。

    Oct, 2017

  • 线性不等式约束下的有限维高斯近似

    通过引入不等式约束条件，我们可以采用有限维高斯方法来处理线性不等式集，并探索使用马尔可夫链蒙特卡洛技术来近似后验分布，研究了关于协方差参数估计的约束似然函数的理论和数值特征。实验证明基于哈密顿蒙特卡洛取样器的全框架能够提供有效的数据拟合和不确定性量化结果。

    Oct, 2017

  • 通过显式约束简化 Hamiltonian 和 Lagrangian 神经网络

    通过将系统嵌入笛卡尔坐标并使用拉格朗日乘子显式地强制执行约束，本文证明了相较于使用广义坐标来编码系统约束的方法，使用笛卡尔坐标可以在准确度和数据效率方面提高 100 倍。

    Oct, 2020

  • 广义高维线性反问题的几何推断

    该论文提出了一个几何统计分析框架，适用于泛化的不适定线性反问题模型，包括噪声压缩感知、符号向量恢复、迹回归、正交矩阵估计和噪声矩阵完成等特殊情况，提出了可行的计算凸规划方法，用于统计推断，包括估计、置信区间和假设检验。该论文建立了一个理论框架，以表征局部估计收敛速度，并提供统计推断保证，其结果基于局部锥几何和对偶性，并通过高斯宽度和 Sudakov 最小化估计量表征局部切锥的几何。

    Apr, 2014

  • 惯性导航系统中使用支持向量机确定欧拉角

    本文利用机器学习方法提高基于 MEMS 传感器的惯性导航系统的精度，并基于实验数据展示了算法的优越性。

    Dec, 2022

  • 部分可见运动链下的机器人工具追踪：一种统一方法

    通过粒子滤波方法，将机器人机械手和相机图像之间的校准和关节角度误差归结于称为 Lumped Error 的更小一组参数，证明了这些参数是不可识别的，从而提高了参数精度。

    Feb, 2021