A Bayesian optimization framework for the automatic tuning of MPC-based shared controllers

要約

この論文では、モデル予測制御 (MPC) 問題として定義される共有コントローラーの自動調整のためのベイジアン最適化フレームワークを紹介します。
提案されたフレームワークには、パフォーマンス メトリクスの設計と、シミュレーション ベースの最適化のためのユーザー入力の表現が含まれています。
このフレームワークは、画像誘導療法ロボットの共有コントローラーの最適化に適用されます。
VR ベースのユーザー実験では、手動調整されたベースライン バージョンと比較して、自動調整された MPC 共有コントローラーのパフォーマンスの向上とその一般化能力が確認されました。

要約(オリジナル)

This paper presents a Bayesian optimization framework for the automatic tuning of shared controllers which are defined as a Model Predictive Control (MPC) problem. The proposed framework includes the design of performance metrics as well as the representation of user inputs for simulation-based optimization. The framework is applied to the optimization of a shared controller for an Image Guided Therapy robot. VR-based user experiments confirm the increase in performance of the automatically tuned MPC shared controller with respect to a hand-tuned baseline version as well as its generalization ability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google