《电子测量技术杂志》发表论文赏析
作者:羊清宇,袁亮,吕凯
单位:1.新疆大学智能制造现代产业学院 乌鲁木齐 830046; 2.上海交通大学南加州大学文化创意产业学院 上海 200240
摘要:模仿学习为机械臂在非结构化场景中完成复杂任务提供了强大支持。然而,许多先进的方法仍受输入数据冗余的影响,导致训练效率低下,同时在复杂任务中面临轨迹预测精度受限的问题。为此,提出一种基于关键点提取的示教轨迹优化方法(KPT-O)。通过关键点筛选减少机械臂学习的范围,同时优化关键点分布以提升轨迹预测精度。为了验证其性能,将KPT-O在先进框架下进行训练,并在HelloWorld和RoboTasks数据集上与当前先进方法进行比较。实验结果表明,KPT-O在显著缩短训练时间的同时,也获得了更高的轨迹预测精度。此外,在真实机器人平台上评估了该方法的性能,证明其在涉及位置和方向变化的现实世界机械臂任务中的有效性。
关键词:模仿学习;机械臂;轨迹优化;关键点
基金资助:国家自然科学基金(52275003)、“天山英才”培养计划(2023TSYCLJ0052)项目资助
2026年5期其他文献查阅:
弱电网下基于电流环与锁相环耦合效应的并网逆变器阻抗重塑控制策略
基于多域融合及BO-Transformer-BiGRU的配电网过电压识别
基于SqueezeNet轻量化网络的车载CAN总线入侵检测方法
基于MDPR-DeepLabV3+的无人机巡检航拍路面破损分割方法