Using a Bayesian-Inference Approach to Calibrating Models for Simulation in Robotics

要約

ロボット工学において、シミュレーションは、設計時間とコストを削減し、より堅牢なエンジニアリングソリューションと安全な開発プロセスにつながる可能性があります。しかし、シミュレータの利用は、優れたモデルの利用が前提となっている。本論文では、ベイズの枠組みでキャリブレーションを行い、モデルの品質を向上させることを目的とする。まず、モデルのキャリブレーションに関わるベイズ的な仕組みについて説明する。このモデルは自由度が低く、状態推定、モデル予測制御、経路計画などに使用できる。高忠実度のシミュレータを使用して、「実験」をエミュレートし、校正のためのデータを生成する。この研究の利点は、校正のための新しいベイズ手法に結びついたものではなく、使用するデータにノイズがある場合でも、ベイズ機械が計算力学のモデル間のつながりを確立できることを実証したことである。ここで報告された結果を生成するために使用されたソフトウェアは、自由な使用と配布のために公開リポジトリで利用可能である。

要約(オリジナル)

In robotics, simulation has the potential to reduce design time and costs, and lead to a more robust engineered solution and a safer development process. However, the use of simulators is predicated on the availability of good models. This contribution is concerned with improving the quality of these models via calibration, which is cast herein in a Bayesian framework. First, we discuss the Bayesian machinery involved in model calibration. Then, we demonstrate it in one example: calibration of a vehicle dynamics model that has low degree of freedom count and can be used for state estimation, model predictive control, or path planning. A high fidelity simulator is used to emulate the “experiments” and generate the data for the calibration. The merit of this work is not tied to a new Bayesian methodology for calibration, but to the demonstration of how the Bayesian machinery can establish connections among models in computational dynamics, even when the data in use is noisy. The software used to generate the results reported herein is available in a public repository for unfettered use and distribution.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL