Core Concepts
多くのタスクを達成するためには、少数のタスク関連ハイブリッドモードが必要である。
Abstract
この論文では、接触豊富なロボットシステムの表現と制御における課題に焦点を当てています。提案された方法は、タスク駆動型簡略化されたハイブリッドモデルを学習し、高性能な実時間制御を可能にします。実験結果から、学習された簡略化されたモデルが重要な挙動を捉えていることが示されました。
Stats
ハイブリッドモード数: 120 (f-MPC), 4 (g-MPC)
ランダムポリシー時のME(g): 5%
g-MPCポリシー時のME(g): 3%
Quotes
"多くの物理エンジンは局所的に線形補完モデルを使用して物理的接触イベントを処理します。"
"提案された方法は、学習された簡略化されたLCSが重要な挙動を捉えていることを示しています。"