Latent Linear Quadratic Regulator for Robotic Control Tasks

要約

モデル予測制御（MPC）は、さまざまなロボット制御タスクでより重要な役割を果たしてきましたが、その高い計算要件は、特に非線形動的モデルでは懸念されています。
このペーパーでは、$ \ textbf {la} $ $ $ \ textbf {l} $ inear $ \ textbf {q} $ uadratic $ \ textbf {r} $ egulator（lalqr）を紹介します。
動的モデルは線形であり、コスト関数は2次であり、LQRの効率的な適用を可能にします。
元のMPCを模倣することにより、この代替システムを共同で学習します。
実験は、他のベースラインと比較して、LALQRの優れた効率と一般化を示しています。

要約(オリジナル)

Model predictive control (MPC) has played a more crucial role in various robotic control tasks, but its high computational requirements are concerning, especially for nonlinear dynamical models. This paper presents a $\textbf{la}$tent $\textbf{l}$inear $\textbf{q}$uadratic $\textbf{r}$egulator (LaLQR) that maps the state space into a latent space, on which the dynamical model is linear and the cost function is quadratic, allowing the efficient application of LQR. We jointly learn this alternative system by imitating the original MPC. Experiments show LaLQR’s superior efficiency and generalization compared to other baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google