model-predictive control | BriefGPT

关键词model-predictive control

搜索结果 - 10

自适应世界模型的自动驾驶规划
模型预测控制基于 BehaviorNet 的 AdaptiveDriver 在 nuPlan 闭环规划基准中取得了最先进的结果，将测试误差从 6.4％降低到 4.6％，即使应用于以前未见的城市。
PDF21 days ago
结合模型预测控制和预测强化学习实现稳定的四足机器人行走
本文研究了基于模型预测控制和强化学习控制器相结合的四足机器人稳定步态生成问题，并开发了一种融合了这两种方法的混合控制方法，其中采用一个以神经网络建模的 Q 函数形式的尾部成本算法来降低计算复杂度，并证明了我们的控制器在短时间内能够实现稳定步
PDFa year ago
CVPR基于对象中心神经散射函数的多对象操作
本文介绍一种将基于物体中心的神经散射函数作为模型预测控制框架中的物体表示的方法，在组成多物体环境下不断变化的光照条件下，通过结合反参数估计和基于图形的神经动力学模型的方法，大大提高了模型的控制性能和推广能力。
PDFa year ago
滤波感知模型预测控制
本文采用滤波器感知的模型预测控制方法，既考虑了不确定性的影响，又可以通过建立一个包含感知能力的模型来显著提高控制性能。
PDFa year ago
RoboCraft: 用图形网络学习看、模拟和塑造弹性塑性物体
RoboCraft 通过使用基于粒子的表示法，结合模型规划框架、图神经网络和模型预测控制算法，可以在只有 RGBD 视觉观测数据的情况下，学习弹塑性物体的动力学模型，并用于控制机器人进行物体变形任务，实验结果表明 RoboCraft 的优异
PDF2 years ago
超网络下的连续模型强化学习
通过使用任务条件超网络连续学习遇到的动态模型，HyperCRL 方法在机器人运动和操作任务中实现了连续模型基于强化学习，而不需要重新训练之前的任务，同时超越了现有的连续学习替代方法
PDF4 years ago
基于学习的潜在动作空间规划的通用四肢行走
本篇论文介绍了一种全学习的层次化框架，可以同时学习低层控制器和高层潜在动作空间，并对多个机器人的运动进行泛化，并利用其学习的高级动力学模型，通过模型预测控制方法计划连续潜在动作，成功实现了多个任务和两个模拟器上的优越表现，并将其与基于反向运
PDF4 years ago
使用无模型强化学习在密集交通中驾驶
本研究使用深度强化学习来生成一种连续控制规划方案，让自动驾驶汽车在拥挤的道路上实现车道变换，并与基于模型预测控制算法进行对比测试。
PDF5 years ago
深度视觉预见性规划机器人动作
本论文提出一种基于无标注训练数据的方法，结合深度动作条件视频预测模型和模型预测控制，使真实机器人能够进行非抓取操作，比如推动物体，并且可以处理训练过程中没有出现过的新物体。
PDF8 years ago
PLATO: 使用自适应轨迹优化的策略学习
PLATO 算法通过模型预测控制生成监督信号训练控制策略，以逐步匹配学到的策略，并保证其安全性，同时维持模型预测控制的成本作为约束，使最终学到的策略在长时间任务中表现良好。实验结果表明，PLATO 算法相较于先前方法，学习速度更快，在训练过
PDF8 years ago