冻结运动策略下在线学习动力学提升移动操作精度

Tianlin Zhang 等作者提出一种在线学习方法，在冻结的预训练运动策略下学习闭环动力学，用学到的模型预测浮动基座运动，以提高移动操作精度。作者称，策略中未观测的潜在条件会让相同观测状态对应不同运动，即异构响应，直接学习会引入偏差和波动；他们用污染高斯模型以两个高斯分量区分可预测与不可预测响应，再结合高斯过程与随机傅里叶特征构建在线学习器，按响应属于可预测分量的概率加权更新，并给出有限样本误差界以保证一致收敛。 作者报告，仿真与硬件实验中，在不同机械臂配置和任务下末端执行器跟踪误差为 0.01 m。该论文为 arXiv 预印本，共 18 页、15 张图，尚未经同行评议。

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。