不确定性主动探索学习软体机器人动力学

Hehui Zheng 等作者在 arXiv 预印本中提出一种不确定性感知的主动探索框架，让软体机器人系统自主学习与任务无关、可泛化的动力学模型。作者称，相比随机探索和任务特定基线，该方法通过主动采集信息量更高的数据获得更高建模精度。 评估覆盖三个仿真平台（连续体机械臂、流体中的关节鱼、肌骨腿）和一台真实气动驱动连续体机械臂。作者称，模型质量提升带来未见任务零样本控制的更高回报，并在传感噪声、驱动延迟和材料非线性下保持稳健。 作者据此认为，不确定性驱动的主动探索可在多种软体形态上实现数据高效的动力学学习。该工作为预印本，尚未经同行评议，效果未经独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。