Core Concepts
Koopman埋め込みを活用した動的四足歩行のための重心状態推定手法の紹介と評価。
Abstract
重心状態推定は動的なロボット制御戦略において重要である。
Koopman演算子理論を使用して、非線形ダイナミクスを線形システムに変換する新しいアプローチが提案された。
ダイナミックモード分解とディープラーニングを使用して、ロボットの複雑な非線形ダイナミクスを線形システムに変換する方法が説明された。
実験結果では、提案手法が伝統的なEKF手法よりも優れた性能を示すことが示された。
さまざまな動的歩容でのシミュレーション実験において、データ駆動型フレームワークが従来のフィルタリング技術よりも優れたパフォーマンスを発揮した。
導入
予測制御戦略における重要性が強調されている。
ロボットの非線形ダイナミクスを扱う新しいアプローチが導入されている。
基本事項
剛体ダイナミクスは浮遊基底系統で記述される。
センサー信号から得られるデータは、多くの場合、計算不確かさや雑音を含む。
Koopman埋め込み
Koopman演算子理論は非常に有望な方向性であることが示唆されている。
DMDや深層学習などの手法がKoopman演算子理論と関連付けられている。
移動地平面推定
MHEフレームワークは、最適な状態推定値を生成する際に最近の測定履歴とシステム入力を利用する。
結果
DLKモデルはDMDモデルよりも予測精度が高いことが示されている。
DLKモデルはDMDよりも正確な予測値を持ちつつも、より騒々しいダイナミクス表現を持っている。
Stats
提案手法はEKFよりも優れたパフォーマンスを発揮します。