典型文献
基于改进动态系统稳定估计器的机器人技能学习方法
文献摘要：
提出一种基于改进动态系统稳定估计器的机器人技能学习方法.现有的动态系统稳定估计器方法可以通过非线性优化来确保学习系统的全局稳定性,但是存在确定高斯混合分量个数困难以及稳定性和精度无法兼顾的问题.因此,根据贝叶斯非参数模型可以自动确定合适分量个数的特性,采用狄利克雷过程高斯混合模型对演示进行初始拟合.随后利用参数化二次李雅普诺夫函数重新推导新的稳定性约束,有效地解决了动态系统稳定估计器方法中稳定性和精度难以兼顾的问题.最后,在LASA数据库和Franka-panda机器人上的实验验证了新方法的有效性和优越性.
文献关键词：
示教学习;动态系统;贝叶斯非参数模型;高斯混合模型;李雅普诺夫函数
中图分类号：
作者姓名：
金聪聪;刘安东;LIU Steven;张文安
作者机构：
浙江工业大学信息工程学院 杭州310023中国;德国凯泽斯劳滕工业大学电气与计算机工程系 凯泽斯劳滕67663德国
文献出处：
引用格式：
[1]金聪聪;刘安东;LIU Steven;张文安-.基于改进动态系统稳定估计器的机器人技能学习方法)[J].自动化学报,2022(07):1771-1781
A类：
机器人技能学习,贝叶斯非参数模型,LASA,Franka
B类：
进动,动态系统,系统稳定,估计器,非线性优化,学习系统,全局稳定性,狄利克雷过程,高斯混合模型,演示,参数化,李雅普诺夫函数,数重,稳定性约束,panda,示教学习
AB值：
0.207619
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
