| عنوان مقاله به انگلیسی | Port-Hamiltonian Neural ODE Networks on Lie Groups For Robot Dynamics Learning and Control |
| عنوان مقاله به فارسی | شبکههای ODE عصبی پورت همیلتونی در گروههای دروغ برای یادگیری و کنترل دینامیک ربات |
| نویسندگان | Thai Duong, Abdullah Altawaitan, Jason Stanley, Nikolay Atanasov |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| چکیده | Accurate models of robot dynamics are critical for safe and stable control and generalization to novel operational conditions. Hand-designed models, however, may be insufficiently accurate, even after careful parameter tuning. This motivates the use of machine learning techniques to approximate the robot dynamics over a training set of state-control trajectories. The dynamics of many robots are described in terms of their generalized coordinates on a matrix Lie group, e.g. on SE(3) for ground, aerial, and underwater vehicles, and generalized velocity, and satisfy conservation of energy principles. This paper proposes a (port-)Hamiltonian formulation over a Lie group of the structure of a neural ordinary differential equation (ODE) network to approximate the robot dynamics. In contrast to a black-box ODE network, our formulation guarantees energy conservation principle and Lie group’s constraints by construction and explicitly accounts for energy-dissipation effect such as friction and drag forces in the dynamics model. We develop energy shaping and damping injection control for the learned, potentially under-actuated Hamiltonian dynamics to enable a unified approach for stabilization and trajectory tracking with various robot platforms. |
| تعداد صفحات | 18 |
| چکیده به فارسی (ترجمه ماشینی) | مدل های دقیق پویایی ربات برای کنترل و تعمیم ایمن و پایدار در شرایط عملیاتی جدید بسیار مهم هستند.با این حال ، مدل های طراحی شده دست حتی ممکن است به اندازه کافی دقیق نباشند ، حتی پس از تنظیم دقیق پارامتر.این امر باعث استفاده از تکنیک های یادگیری ماشین برای تقریبی پویایی ربات در یک مجموعه آموزشی از مسیرهای کنترل دولت می شود.پویایی بسیاری از روبات ها از نظر مختصات عمومی آنها در یک گروه دروغ ماتریس ، به عنوان مثال شرح داده شده است.در SE (3) برای وسایل نقلیه زمینی ، هوایی و زیر آب و سرعت تعمیم یافته و حفاظت از اصول انرژی را برآورده می کند.در این مقاله یک فرمول (بندر) همیلتون در یک گروه دروغ از ساختار یک شبکه معادله دیفرانسیل عادی عصبی (ODE) برای تقریب دینامیک ربات ارائه شده است.برخلاف یک شبکه ODE با جعبه سیاه ، فرمولاسیون ما اصل حفاظت از انرژی و محدودیت های گروه Lie را با ساخت و ساز تضمین می کند و به صراحت اثر تخریب انرژی مانند اصطکاک و نیروهای درگ را در مدل دینامیک به خود اختصاص می دهد.ما برای دینامیک همیلتون آموخته شده ، که به طور بالقوه تحت عمل آموخته شده ، برای تثبیت و ردیابی مسیر با سیستم عامل های مختلف ربات ، یک رویکرد یکپارچه را برای تثبیت و ردیابی مسیر ایجاد می کنیم ، کنترل تزریق انرژی و میرایی را ایجاد می کنیم. |
| دسته بندی موضوعات | Robotics,Systems and Control,روباتیک ، سیستم و کنترل ، |
| توضیحات | Submitted 17 January, 2024; originally announced January 2024. , Comments: Journal submission with 18 pages, 13 figures. Website: https://thaipduong.github.io/LieGroupHamDL/. |
| توضیحات به فارسی | ارسال شده 17 ژانویه 2024 ؛در ابتدا ژانویه 2024 اعلام شد ، نظرات: ارسال ژورنال با 18 صفحه ، 13 شکل.وب سایت: https://thaipduong.github.io/liegrouphamdl/. |
| توجه کنید این مقاله به زبان انگلیسی است. |
|
برای سفارش ترجمه این مقاله می توانید به یکی از روش های تماس، پیامک، تلگرام و یا واتس اپ با شماره زیر تماس بگیرید:
09395106248 توجه کنید که شرایط ترجمه به صورت زیر است:
|
نقد و بررسیها
هنوز بررسیای ثبت نشده است.