.png){kind=icon}
返回
A trajectory-level robot skill learning method based on fuzzy systems
.png){kind=icon}
PRE
AI
DOI：10.1007/s11432-024-4322-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
通过示教学习（LfD）能够通过构建一个基于有限演示样本表示这些技能的模型，将人类操作技能有效地转移到机器人上。然而，能够全面满足计算复杂度、建模精度、轨迹平滑度和鲁棒性等多重要求的技能学习模型仍然缺乏。因此，本研究旨在通过采用模糊系统来提供这样的模型。具体而言，我们引入了一种名为基于Takagi-Sugeno-Kang模糊系统的运动基元（TSKFMPs）的LfD模型，该模型利用模糊理论的优点，实现有效的人体运动机器人模仿学习。我们的工作将TSK模糊系统和梯度下降（GD）表述为模仿学习模型，利用了基于GD的模糊系统优化的最新进展。本研究采用两步策略。（i）利用基于演示数据的TSK模糊系统建立模型的输入-输出关系。通过这种方式，技能在潜在空间中被模型参数编码。（ii）使用GD优化模型参数以提高建模精度和轨迹平滑度。我们进一步解释了如何通过局部调制使学习到的轨迹适应新的任务场景。我们使用公开数据集进行了多项测试来验证我们的方法，结果表明其性能与其他模型相当。最后，我们在一个实际案例研究中实现了该方法。
Keyword:
robot skill learning
movement primitives
TSK fuzzy systems
gradient descent
robotics
期刊
IF:
7.6
论文数:
4.9K
被引数:
8.9K
机构
引用论文
Learning and Reproduction of Gestures by Imitation An Approach Based on Hidden Markov Model and Gaussian Mixture Regression基于隐马尔可夫模型和高斯混合回归的手势模仿学习与再现方法
OAAI
OAAI分享收藏Learning Robust Point-to-Point Motions Adversarially: A Stochastic Differential Equation Approach
PREAI
分享收藏Learning parametric dynamic movement primitives from multiple demonstrations.png)
NEURAL NETWORKS
NEURAL NETWORKSIF6.3
PREAI
分享收藏
查看更多内容