• Главная
  • Лента новостей 1
  • Лента новостей 2
  • Статьи
  • Календарь событий
  • Образование
  • Финансирование
  • Открытые инновации
  • Шоу-рум
  • О проекте
  • Партнеры
  • Добавить публикацию
  • Сервисы
  • Реклама
  • hello@technovery.com
  • telegram
  • vk
technovery
Нет результатов
Все результаты
technovery
Нет результатов
Все результаты

Фреймворк глубокого обучения и управления квадрокоптерами и гибкими роботами.

15 марта, 2023
Наука
Фреймворк глубокого обучения и управления квадрокоптерами и гибкими роботами.

В последние годы ученые-компьютерщики разрабатывают все более совершенные алгоритмы управления движениями роботов-агентов. К ним относятся методы управления с прогнозированием моделей (MPC), которые используют модель динамики агента для оптимизации его будущего поведения по отношению к заданной цели, одновременно удовлетворяя ряду ограничений (например, не может врезаться в препятствия).

Исследователи из Мюнхенского технического университета и Университета Цюриха недавно создали Neural MPC в реальном времени, структуру, которая интегрирует сложные архитектуры моделей, основанные на искусственных нейронных сетях (ANNs), в структуру MPC для гибких роботов (т. е. квадрокоптеров — дронов с четырьмя роторами). . Эта концепция, представленная в IEEE Robotics and Automation Letters , основывается на предыдущем подходе, разработанном Группой робототехники и восприятия Цюрихского университета.

Новая структура, предложенная Зальцманном, Риллом и их коллегами, сочетает в себе модели глубокого обучения и онлайн-оптимизацию MPC. Выразительные модели глубокого обучения требуют больших вычислительных ресурсов. Однако, аппроксимируя их онлайн в режиме реального времени, платформа может использовать специальное оборудование (GPU) для эффективной обработки этих моделей, позволяя их системе прогнозировать оптимальные действия роботов в режиме реального времени.

Исследователи оценивают свою структуру в серии экспериментов, как в смоделированной, так и в реальной среде. В этих тестах они специально используют управление действиями очень маневренного квадрокоптера в режиме реального времени.

Их результаты очень многообещающие, поскольку они могут использовать прогностическую силу архитектур нейронных сетей с параметрической мощностью, более чем в 4000 раз превышающей те, которые ранее использовались для управления движениями гибких роботов в режиме реального времени. Они также обнаружили, что по сравнению с обычными методами MPC без компонента глубокого обучения их структура может уменьшить ошибки позиционного отслеживания до 82%.

Дополнительная информация: Тим Зальцманн и др., Neural MPC в реальном времени: прогнозирующее управление моделью глубокого обучения для квадрокоптеров и гибких робототехнических платформ, IEEE Robotics and Automation Letters (2023). DOI: 10.1109/LRA.2023.3246839

Гиллем Торренте и др., Data-Driven MPC for Quadrotors, IEEE Robotics and Automation Letters (2021). DOI: 10.1109/LRA.2021.3061307

 

Будьте в курсе в удобном формате, присоединяйтесь: TG-канал и ВК

Бесплатная служба распространения новостей для научных организаций и стартапов

hello@technovery.com

 

Source: Tech Xplore
Теги: ДроныРобототехникаСистемы управления робототехническими комплексами

Related Posts

Отечественные ученые создали улучшенную систему управления для роботов-помощников
Наука

Отечественные ученые создали улучшенную систему управления для роботов-помощников

22 марта, 2023
Алгоритм в стиле «ГАИ» Массачусетского технологического института помогает дронам оставаться на задании
Наука

Алгоритм в стиле «ГАИ» Массачусетского технологического института помогает дронам оставаться на задании

20 марта, 2023
Команда разрабатывает систему роботов, которые используют командную работу, чтобы собирать и транспортировать фрукты
Наука

Команда разрабатывает систему роботов, которые используют командную работу, чтобы собирать и транспортировать фрукты

20 марта, 2023
Загрузить больше

Технологии

Робототехника
Беспилотники
Машинное обучение
AI
Транспорт
Материалы
ВИЭ
Интернет вещей
Микроэлектроника
Оптика
Носимые устройства

Смотреть все »

Запросы

Х5 Group в партнерстве с платформой Technovery приступают к поиску инновационных проектов для решения проблематики пищевых отходов

СМ Инновации

Тинькофф работает со стартапами

Масштабируйте свой стартап вместе с Контуром

Акселератор ВТБ

АСИ и АВТОВАЗ запустили отбор проектов по развитию автопрома

Х5 Group в партнерстве с платформой Technovery приступают к поиску инновационных проектов для решения проблематики пищевых отходов
Пилотные проекты

Х5 Group в партнерстве с платформой Technovery приступают к поиску инновационных проектов для решения проблематики пищевых отходов

7 марта, 2023

© 2022 technovery

  • hello@technovery.com
  • Условия использования
  • Политика конфиденциальности
Нет результатов
Все результаты
  • Главная
  • Лента новостей 1
  • Лента новостей 2
  • Статьи
  • Календарь событий
  • Образование
  • Финансирование
  • Открытые инновации
  • Шоу-рум
  • Карта технологий
  • О проекте
  • Партнеры
  • Добавить публикацию
  • Сервисы
  • Реклама
  • hello@technovery.com

© 2022 technovery