跳到正文
热点事件持续更新

TU Darmstadt发布BoBDeLaN机器人控制论文

2 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

TU Darmstadt团队发布BoBDeLaN论文,以带宽受限的上下文适配改进深度拉格朗日机器人动力学控制,应对负载不确定和未建模动态导致的预测失准。方案将拉格朗日网络与带增益约束的循环均衡网络编码器、稳定线性滤波器结合。 仿真及真实硬件模型预测控制实验显示,相较使用相同输入滤波器的LSTM编码器,BoBDeLaN高频敏感性更低、残余力矩预测误差更小,机器人运动也更平滑。论文已提交L4DC 2027。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月21日
  1. AGI Hunt
    BoBDeLaN 论文:带宽受限适配提升深度拉格朗日机器人控制

    TU Darmstadt 的 Lucas Schulze、Jan Peters、Oleg Arenz 等研究者发表 BoBDeLaN 论文,将拉格朗日网络与稳定滤波器结合。该方法通过带宽受限的上下文适配,应对负载不明等扰动,增强基于物理的学习模型在机器人控制中的抗扰能力与鲁棒性。

  2. AGI Hunt
    BoBDeLaN 论文:带宽受限上下文适配改进深度拉格朗日机器人控制

    TU Darmstadt 团队发布 BoBDeLaN 论文,以带宽受限上下文适配改进深度拉格朗日机器人控制。方案加入带增益约束的 Recurrent Equilibrium Network 上下文编码器和稳定线性滤波;仿真与真实硬件 MPC 实验显示,相较使用相同输入滤波器的 LSTM 编码器,其高频敏感性更低、残余力矩预测误差更小、运动更平滑。

本事件热度走势

可比范围当前
10
可比范围峰值
1011月21日 18:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。