Core Concepts
신경 상미분 방정식을 이용하여 복잡한 비선형 및 주기적 동작을 소수의 데모로부터 학습하고, 제어 리아푸노프 함수와 제어 장벽 함수를 통해 안정성과 안전성을 보장하는 동작 계획 방법을 제안한다.
Abstract
이 논문은 복잡한 비선형 및 주기적 동작을 학습하고 안정성과 안전성을 보장하는 동작 계획 방법을 제안한다. 주요 내용은 다음과 같다:
신경 상미분 방정식을 이용하여 복잡한 비선형 및 주기적 동작을 소수의 데모로부터 학습한다. 이를 통해 닦기, 저어 섞기 등의 복잡한 작업을 모델링할 수 있다.
제어 리아푸노프 함수와 제어 장벽 함수를 이용하여 학습된 동작 계획에 대한 안정성과 안전성을 보장한다. 이를 통해 예기치 못한 교란이나 장애물에 대해 강인한 동작을 생성할 수 있다.
매 시간 단계마다 목표 궤적 상의 점을 선택하는 새로운 접근법을 제안한다. 이를 통해 시간 지연 문제를 해결하고 동작 계획의 반응성을 높일 수 있다.
LASA 필기 데이터셋과 주기적 2D/3D 궤적, 그리고 Franka Emika 로봇 팔을 이용한 실험을 통해 제안 방법의 성능을 검증한다. 기존 방법 대비 우수한 성능을 보인다.
Stats
학습된 신경 상미분 방정식 모델을 이용하여 생성한 궤적이 데모 궤적과 평균적으로 약 절반 정도의 동적 시간 왜곡 거리를 가진다.
제안 방법의 실행 시간은 기존 방법 대비 매우 짧다.