Deep Predictive Model Learning with Parametric Bias: Handling Modeling Difficulties and Temporal Model Changes

要約

ロボットがタスクを実行する際には、ロボットの身体、対象物、道具、環境の関係をモデル化し、目標の状態を実現するためにロボットの身体を制御する必要があります。
ただし、関係が複雑な場合、古典的な方法を使用してそれらをモデル化することは困難です。
また、時間の経過とともに関係が変化する場合には、モデルの時間変化に対応する必要がある。
本研究では、これらのモデリングの困難と時間的なモデルの変化に対処するため、より人間に近い適応知能として、パラメトリック バイアスを備えた深層予測モデル (DPMPB) を開発しました。
DPMPB の理論と実際のロボットでの各種作業実験を分類・要約し、DPMPB の有効性について議論します。

要約(オリジナル)

When a robot executes a task, it is necessary to model the relationship among its body, target objects, tools, and environment, and to control its body to realize the target state. However, it is difficult to model them using classical methods if the relationship is complex. In addition, when the relationship changes with time, it is necessary to deal with the temporal changes of the model. In this study, we have developed Deep Predictive Model with Parametric Bias (DPMPB) as a more human-like adaptive intelligence to deal with these modeling difficulties and temporal model changes. We categorize and summarize the theory of DPMPB and various task experiments on the actual robots, and discuss the effectiveness of DPMPB.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google