基于交叉熵优化的高斯混合模型运动编码
文献类型：期刊论文
| 作者 | 周维佳2; 张会文1,2; 张伟2; 李春阳 ; 任福琳; 何立岩; 何震
|
| 刊名 | 机器人
 |
| 出版日期 | 2018 |
| 卷号 | 40期号:4页码:569-576 |
| 关键词 | 技能学习 模仿学习 交叉熵 任务参数 运动表征 混合模型 |
| ISSN号 | 1002-0446 |
| 其他题名 | Encoding Motor Skills with Gaussian Mixture Models Optimized by the Cross Entropy Method |
| 产权排序 | 1 |
| 通讯作者 | 张会文 |
| 中文摘要 | 针对模仿学习中运动的表征和泛化问题,提出了交叉熵优化算法,用于混合模型参数的推断.该算法易于实施、计算效率高.更重要的是,它能够自动确定混合模型中最优成分的个数.为了产生泛化的运动轨迹,提出了交叉熵回归算法.为了进一步提高这种算法对动态环境的适应能力,引入了任务参数化的概念并提出了任务参数交叉熵回归算法.最后设计了一个新颖的锤击任务,验证了所提出的算法在理论上的正确性和优越性.基于机器人物理仿真软件Gazebo的仿真实验表明了算法在实际应用中的可行性. |
| 英文摘要 | Aiming at the movement representation and generalization problems in imitation learning, a cross entropy optimization algorithm is proposed to infer parameters in mixture models. The proposed algorithm is easy to implement and computationally efficient. More importantly, it can automatically determine the optimal component number in the mixture models. In order to produce generalized motion trajectories, a cross entropy regression algorithm is proposed. To further improve the adaptability of the algorithm in dynamic environments, the concept of task parametrization is introduced and a task-parameterized cross entropy regression algorithm is proposed. Finally, a novel hammer-over-a-nail task is designed, which verifies the theoretical correctness and superiority of the proposed methods. Simulation experiments based on robot physical simulation software Gazebo show the feasibility of the proposed algorithms in piratical applications. |
| 语种 | 中文 |
| 源URL | [http://ir.sia.cn/handle/173321/22369]  |
| 专题 | 沈阳自动化研究所_海洋信息技术装备中心 |
| 作者单位 | 1.中国科学院大学 2.中国科学院沈阳自动化研究所机器人学国家重点实验室 |
| 推荐引用方式 GB/T 7714 | 周维佳,张会文,张伟,等. 基于交叉熵优化的高斯混合模型运动编码[J]. 机器人,2018,40(4):569-576. |
| APA | 周维佳.,张会文.,张伟.,李春阳.,任福琳.,...&何震.(2018).基于交叉熵优化的高斯混合模型运动编码.机器人,40(4),569-576. |
| MLA | 周维佳,et al."基于交叉熵优化的高斯混合模型运动编码".机器人 40.4(2018):569-576. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。