要約
完全自律型ロボットが望ましくない、または潜在的に有害な動作を行わないようにするには、安定性の保証が非常に重要です。
私たちは最近、収縮の安定性を保証するニューラル ネットワーク アーキテクチャである Neural Contractive Dynamical Systems (NCDS) を提案しました。
これにより、デモンストレーションから学習するアプローチにより、安定性の保証を簡単に提供できます。
しかし、私たちの初期の研究ではいくつかの未解決の疑問が残されており、ここでそれについて取り上げます。
このペーパーでは、NCDS の詳細な説明を提供するだけでなく、より慎重な正則化、複数のタスクを処理するためのフレームワークの条件付きバリアント、および潜在的な障害物を回避するための不確実性主導のアプローチによってフレームワークを拡張します。
実験では、開発したシステムが通常のニューラル ネットワークの柔軟性を備えていると同時に、自律ロボット工学に必要な安定性を保証していることが検証されています。
要約(オリジナル)
Stability guarantees are crucial when ensuring that a fully autonomous robot does not take undesirable or potentially harmful actions. We recently proposed the Neural Contractive Dynamical Systems (NCDS), which is a neural network architecture that guarantees contractive stability. With this, learning-from-demonstrations approaches can trivially provide stability guarantees. However, our early work left several unanswered questions, which we here address. Beyond providing an in-depth explanation of NCDS, this paper extends the framework with more careful regularization, a conditional variant of the framework for handling multiple tasks, and an uncertainty-driven approach to latent obstacle avoidance. Experiments verify that the developed system has the flexibility of ordinary neural networks while providing the stability guarantees needed for autonomous robotics.
arxiv情報
著者 | Hadi Beik Mohammadi,Søren Hauberg,Georgios Arvanitidis,Gerhard Neumann,Leonel Rozo |
発行日 | 2024-11-18 09:27:49+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google