Environmentally Adaptive Control Including Variance Minimization Using Stochastic Predictive Network with Parametric Bias: Application to Mobile Robots

要約

本研究では、パラメトリックバイアスと確率要素を含むリカレントニューラルネットワークから構成される予測モデルと、それを用いた分散最小化を含む環境適応型ロボット制御手法を提案する。
柔軟な体を持つロボットや部分的にしか状態が観察できないロボットはモデル化が難しく、その予測モデルは確率的な動作をすることがよくあります。
また、ロボットの物理状態や周囲環境は逐次変化するため、オンライン上で予測モデルを変更することも可能です。
そこで本研究では、こうしたロボットの経験情報を埋め込んだニューラルネットワークに実装した学習型確率予測モデルを構築し、ロボットが環境に適応しながら分散の大きな不安定な動作を回避する制御手法を開発する。
現在の環境。
この方法は、移動ロボットのシミュレーションと実際のロボット Fetch を使用して検証されます。

要約(オリジナル)

In this study, we propose a predictive model composed of a recurrent neural network including parametric bias and stochastic elements, and an environmentally adaptive robot control method including variance minimization using the model. Robots which have flexible bodies or whose states can only be partially observed are difficult to modelize, and their predictive models often have stochastic behaviors. In addition, the physical state of the robot and the surrounding environment change sequentially, and so the predictive model can change online. Therefore, in this study, we construct a learning-based stochastic predictive model implemented in a neural network embedded with such information from the experience of the robot, and develop a control method for the robot to avoid unstable motion with large variance while adapting to the current environment. This method is verified through a mobile robot in simulation and to the actual robot Fetch.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google