Using Buckingham’s $π$ Theorem for Multi-System Learning Transfer: a Case-study with 3 Vehicles Sharing a Database

要約

計画と制御のための学習スキームは、大量の実験データを収集することが難しいことや、忠実度の高いシミュレーションに依存する必要があることによって制限されます。
この論文では、バッキンガムの $\pi$ 定理に基づく無次元数を活用して、データ効率を向上させ、同様のシステム間での知識共有を促進する、提案された学習スキームの可能性を探ります。
車のようなロボットを使用したケーススタディでは、シミュレーションデータと実験データに基づいて従来の学習モデルと無次元学習モデルを比較し、新しい無次元学習アプローチの利点を検証します。
予備的な結果は、この新しい無次元アプローチが学習速度を加速し、モデルの精度を向上させる可能性があることを示しており、さらに調査する必要があります。

要約(オリジナル)

Learning schemes for planning and control are limited by the difficulty of collecting large amounts of experimental data or having to rely on high-fidelity simulations. This paper explores the potential of a proposed learning scheme that leverages dimensionless numbers based on Buckingham’s $\pi$ theorem to improve data efficiency and facilitate knowledge sharing between similar systems. A case study using car-like robots compares traditional and dimensionless learning models on simulated and experimental data to validate the benefits of the new dimensionless learning approach. Preliminary results show that this new dimensionless approach could accelerate the learning rate and improve the accuracy of the model and should be investigated further.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google