arXiv · cs.RO官方发布· Hengyi Zhou, Haobo Fang, Xiaonan Huang, Dezhong Tong, M. Khalid Jawed·· 3 小时前AI 评分58
论文 / 摘要阅读
SCNC：面向隐式平衡系统的自洽神经控制轨迹学习方法
Self-Consistent Neural Control: Learning Trajectories for Implicit Equilibrium
AI 导读 · 根据来源整理
研究提出自洽神经控制（SCNC），用于优化状态由隐式平衡定义的系统的轨迹，并显式控制沿轨迹的敏感度变化。作者推导了梯度误差的数学界，并给出实用的有限差分近似。在弹性杆、薄壁管、卷尺和Slinky类结构等可变形物体上验证，与伴随学习和无梯度iCEM基线相比，SCNC收敛更快、优化更稳定，减少切换到不利平衡分支，稳定优化率从伴随学习的41.7%提升到83.3%，在敏感度变化明显的薄壁管上平均损失降低超过1.5个数量级。该工作为预印本，验证集中在仿真可变形物体。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org