Die Studie präsentiert MORALS, eine Methode zur effizienten Analyse der globalen Dynamik von Robotersteuerungen in hochdimensionalen Systemen. MORALS kombiniert Autoencoder-Neuronalnetze mit Morse-Graphen, um eine niedrigdimensionale Darstellung der Systemdynamik zu lernen und anschließend die Attraktoren und deren Einzugsgebiete zu identifizieren.
Der Ansatz umfasst folgende Schritte:
Die Evaluation auf verschiedenen hochdimensionalen Robotersystemen, einschließlich eines 67-dimensionalen humanoiden Roboters und eines 96-dimensionalen 3-Finger-Manipulators, zeigt, dass MORALS vielversprechende Vorhersagefähigkeiten bei der Schätzung von Attraktoren und deren Einzugsgebieten für datengetriebene Steuerungen aufweist. Der Ansatz ist deutlich dateneffizienter als alternative Methoden, die eine analytische Darstellung der Systemdynamik erfordern.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Ewerton R. V... at arxiv.org 03-19-2024
https://arxiv.org/pdf/2310.03246.pdfDeeper Inquiries