Jul, 2023

具有贝叶斯聚合器的深层概率运动原理

PDF
TL;DR本文提出了一个深度运动原语体系结构，将所有以前的操作编码，并使用贝叶斯上下文聚合器，同时保持了线性运动基元的操作，表明该方法在较大的输入选择变化时能更好地扩展以复制复杂动作。
movement primitivesparametric modelsneural network-baseddeep motor primitive's modelbayesian context aggregator
发现论文，激发创造
  • 神经动态运动基模 —— 综述

    该论文对神经动态运动原理进行文献综述，强调了深度学习对于动态运动原理的研究所带来的影响，并探讨了在机器人领域生产准确的轨迹和控制机器人动态参数的挑战。

    Aug, 2022

  • 用于人形机器人控制的神经概率运动基元

    利用神经概率运动原始系统可以离线训练解决灵活控制高维度物理仿真人形机器人的问题，同时最大限度地压缩数千个专家策略并学习运动原始嵌入空间。

    Nov, 2018

  • 动态运动原理的概率表示

    本文介绍了如何将动态运动原始 (Dynamic Movement Primitives) 重构为具有控制输入的概率线性动态系统。通过这种概率表示，本文显示了卡尔曼滤波和平滑等算法在执行期间对前感觉传感器测量进行推理的可直接应用。我们进一步展示了推理如何通过反馈项自动调节 DMP 的执行，并测量成功执行给定运动基元的可能性。在这种情况下，我们展示了使用概率模型在模拟运动基元数据集中检测执行失败的初步结果。

    Dec, 2016

  • 受限动态移动原理在运动技能安全学习中的应用

    本文提出了一种基于动态动作原理的运动控制方法 CDMP，通过非线性优化来实现约束条件（如障碍物避让、工作空间限制）的满足，并在不同机器人以及环境下验证了该方法的有效性。

    Sep, 2022

  • 基于 Koopman 的深度学习动态运动原理

    提出了一个新方法，通过结合 Koopman 操作符和动态运动原理与示教学习，将非线性动力系统投影到线性潜在空间中，从而实现复杂动作的解决方案。

    Dec, 2023

  • 运动基元组合实现可验证的学习行为：对颗粒介质舀取应用

    构建了一个能够从自然语言输入中可靠生成行为的机器人行为模型，通过构建自然语言抽象器所创建的学习行为的验证构架，在实时中合成了基于给定动作基元的有向图来生成行为，并借助运动基元和概率验证的最新进展，如果按照约定的标准构造这些基本运动元件，则生成的行为是可概率验证的，通过模拟探索任务和实际机器人操作来展示了这种可验证行为生成的能力。

    Sep, 2023

  • 基于运动基元的（再）规划策略

    本文介绍了一种名为 MP3 的深度强化学习方法，它通过将运动原语（MPs）整合到深度 RL 框架中，实现了在整个学习过程中生成平滑轨迹的能力，同时有效地从稀疏且非马尔可夫奖励中学习，还具有在执行过程中适应环境变化的能力，该方法相较于现有的深度 RL 和 RL 结合 MPs 等方法，在复杂、稀疏奖励环境和需要重规划的领域中表现出更好的性能。

    Jun, 2023

  • 非参数技能表示：软零空间投影器用于快速推广

    本文提出了一种具有空间零投影器的非参数化运动基元公式，以避免频繁的参数重新优化，从而实现快速高效的运动生成，并通过采用空间零以追踪二级目标来实现 On-the-fly 的自适应技能。

    Sep, 2022

  • 利用隐式行为克隆和动态运动基元促进机器人动作规划的强化学习

    提出了一种基于强化学习的机器人运动规划框架，使用隐式行为克隆和动态运动原语来提高离线强化学习代理的训练速度和泛化能力，同时提供了人类示范数据集，实验结果表明了该方法在模拟环境下的优势以及实际装配任务的适用性。

    Jul, 2023

  • 学习机器人技能组合模型，用于任务和动作规划

    该研究旨在通过学习使用感知运动基元来解决复杂的长期规划操作问题，其需要将基本技能组合成新的技能来推广应用于广泛的问题中，同时使用高效的主动学习和采样方法，将学习和规划方法结合来规划各种复杂的动态操作任务。

    Jun, 2020