予測制御のためのニューラルロボットダイナミクスのオンザフライ適応
Adapting Neural Robot Dynamics on the Fly for Predictive Control
オフライン学習と効率的なオンライン更新を組み合わせ、ニューラルダイナミクスモデルを高速適応させる手法を提案。実機クアッドローターで新環境下の予測追従制御を実証した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Abdullah Altawaitan, Nikolay Atanasov
分類: cs.RO
原文アブストラクト
Accurate dynamics models are critical for the design of predictive controller for autonomous mobile robots. Physics-based models are often too simple to capture relevant real-world effects, while data-driven models are data-intensive and slow to train. We introduce an approach for fast adaptation of neural robot dynamic models that combines offline training with efficient online updates. Our approach learns an incremental neural dynamics model offline and performs low-rank second-order parameter adaptation online, enabling rapid updates without full retraining. We demonstrate the approach on a real quadrotor robot, achieving robust predictive tracking control in novel operational conditions.
