研究人员开发了一种新的数据高效、实时神经模仿非线性时间最优模型预测控制(TOMPC)的架构。该方法解决了TOMPC的计算挑战,而TOMPC通常禁止其在快速动力学系统中使用。提出的系统包括一种自我告知的采样策略,该策略可高效查询专家数据,以及一个完整的架构来处理数据集相关性和约束满足等问题。在Furuta摆上验证,控制器将控制频率从1.4Hz显著提高到1kHz,并密切匹配了专家TOMPC的性能。 AI
影响 这项研究可以为以前受计算成本限制的复杂、受约束的系统实现实时控制。
排序理由 该集群描述了一篇研究论文,其中详细介绍了一种使用神经网络控制动力学系统的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- artificial neural network
- Furuta pendulum
- Nonlinear time-optimal model predictive control
- self-informed sampling
- TOMPC
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →