پایان‌نامه "Learning Inverse Dynamics for Robot Manipulator Control" اثر Joseph Sun de la Cruz از دانشگاه واترلو، به توسعه روش‌های داده‌محور برای کنترل ربات‌های مفصلی با مدل‌سازی دینامیک معکوس می‌پردازد. این پژوهش، تکنیک‌های یادگیری مانند Locally Weighted Projection Regression (LWPR) و Sparse Gaussian Process Regression (SGPR) را برای بهبود دقت و کارایی کنترل بدون نیاز به مدل دقیق اولیه سیستم معرفی کرده است. این تحقیق گامی نوآورانه در مقایسه یادگیری ماشین با کنترل تطبیقی سنتی، در شرایط عدم قطعیت و تغییرات پارامترهای سیستم محسوب می‌شود.به همراه خروجی وجدول
محصولات مرتبط
تز و پایان نامه باعنوان:Adaptive Control of Robot Manipulators with Uncertain Kinematics and Actuator Dynamics
تز و پایان نامه باعنوان:ADAPTIVE FORCE AND MOTION CONTROL OF ROBOT MANIPULATORS IN CONSTRAINED MOTION WITH DISTURBANCES
تز و پایان نامه باعنوان:CALIBRATION OF A FOUR DEGREE OF FREEDOM STEWART PLATFORM SENSOR SUBJECT TO TRANSLATIONAL AND ROTATIONAL CONSTRAINTS
تز و پایان نامه باعنوان:Development of a Traction Control System for a Parallel-Series PHEV
تز و پایان نامه باعنوان:Evaluation of a Three Degree of Freedom Revolute-Spherical-Revolute Joint Configuration Parallel Manipulator
تز و پایان نامه باعنوان:Kinematics, Dynamics and Controller Design for the Contour Crafting Cartesian Cable (C4) Robot
تز و پایان نامه باعنوان:Design and Analysis of a Three Degrees of Freedom (DOF) Parallel Manipulator with Decoupled Motions
تز و پایان نامه باعنوان:Using the Singularity Trace to Understand Linkage Motion Characteristics
آریا محسنی – دانشجوی دکتری رباتیک:
«یکی از قوی‌ترین کارهایی بود که دیدم در استفاده از یادگیری ماشین برای تخمین دینامیک معکوس. ایده ترکیب دانش پیشین فوق‌العاده بود.»
پگاه کریمی – پژوهشگر سیستم‌های هوشمند:
«تفاوتش با بقیه تحقیقات اینه که فقط روی یادگیری از صفر تمرکز نکرده، بلکه به روش‌هایی پرداخته که حتی از اطلاعات ناقص هم به نفع سیستم استفاده کنه.»
دیدگاه خود را بنویسید