日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

制御安定性arXiv:2107.04989

自己学習型ほぼリアプノフ批評家によるニューラル制御の安定化

Stabilizing Neural Control Using Self-Learned Almost Lyapunov Critics

シェア:XThreadsFacebookLINEはてブBluesky

モデルフリー強化学習でニューラル制御方策とリアプノフ批評家関数を同時に学習し、ほぼリアプノフ条件で吸引領域と不変性を推定して非線形システムの制御安定性を高める手法を提案した。

著者: Ya-Chien Chang, Sicun Gao

分類: cs.RO, cs.SY, eess.SY

原文アブストラクト

The lack of stability guarantee restricts the practical use of learning-based methods in core control problems in robotics. We develop new methods for learning neural control policies and neural Lyapunov critic functions in the model-free reinforcement learning (RL) setting. We use sample-based approaches and the Almost Lyapunov function conditions to estimate the region of attraction and invariance properties through the learned Lyapunov critic functions. The methods enhance stability of neural controllers for various nonlinear systems including automobile and quadrotor control.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI