90s解读AI
北京科技大学贺威教授团队和湖南大学王耀南院士团队合作开发了一种具备运动建模和执行能力的机器人技能学习框架。为了使机器人能够从演示中学习技能，研究引入了一种名为动态运动基元(DMPs)的学习方法，用于对运动进行建模。研究在DMPs框架中采用了阶段式教学策略，以增强其通用性，使多关节机械臂可以执行复杂任务。DMP连接方法用于在位置和速度空间中实现精确而平滑的转换，连接复杂的运动序列。此外，该方法将运动分为不同的目标和持续时间进行处理。值得一提的是，本研究还提出了一种自适应神经网络(NNs)控制方法，以实现高准确度的轨迹跟踪并确保动作执行的性能，从而提高技能学习系统的可靠性。通过在Baxter机器人上进行实验，该方法的有效性得到了证实。
全文导读
贺威团队&王耀南院士团队 | 基于动态运动基元的机器人技能学习
全文下载：
Dynamic Movement Primitives Based Robot Skills Learning
Ling-Huan Kong, Wei He, Wen-Shi Chen, Hui Zhang, Yao-Nan Wang
https://link.springer.com/article/10.1007/s11633-022-1346-z
https://www.mi-research.net/en/article/doi/10.1007/s11633-022-1346-z
关于Machine Intelligence Research
Machine Intelligence Research（简称MIR，原刊名International Journal of Automation and Computing）由中国科学院自动化研究所主办，于2022年正式出版。MIR立足国内、面向全球，着眼于服务国家战略需求，刊发机器智能领域最新原创研究性论文、综述、评论等，全面报道国际机器智能领域的基础理论和前沿创新研究成果，促进国际学术交流与学科发展，服务国家人工智能科技进步。期刊入选"中国科技期刊卓越行动计划"，已被ESCI、EI、Scopus、中国科技核心期刊、CSCD等20余家国际数据库收录，入选图像图形领域期刊分级目录-T2级知名期刊。2022年首个CiteScore分值在计算机科学、工程、数学三大领域的八个子方向排名均跻身Q1区，最佳排名挺进Top 4%，2023年CiteScore分值继续跻身Q1区。2024年获得首个影响因子(IF) 6.4，位列人工智能及自动化&控制系统两个领域JCR Q1区。
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢