Система глубокого обучения и прогнозирования моделей для управления квадрокоптерами и гибкими роботами
🧬 В последние годы ученые-компьютерщики разрабатывают все более совершенные алгоритмы для управления движениями роботизированных агентов. К ним относятся методы модельного прогностического управления (MPC), которые используют модель динамики агента для оптимизации его будущего поведения в направлении заданной цели, одновременно удовлетворяя ряду ограничений (например, не может врезаться в препятствия).
Исследователи оценивают свою структуру в серии экспериментов, как в моделируемой, так и в реальной среде. В этих тестах они специально используют его для управления действиями очень маневренного квадрокоптера в режиме реального времени.
.✅ "В робототехнике мы ищем выразительные модели динамики управляемых систем и их взаимодействия с окружающей средой (например, аэродинамические эффекты, трение шин и т.д.)
🧬 В последние годы ученые-компьютерщики разрабатывают все более совершенные алгоритмы для управления движениями роботизированных агентов. К ним относятся методы модельного прогностического управления (MPC), которые используют модель динамики агента для оптимизации его будущего поведения в направлении заданной цели, одновременно удовлетворяя ряду ограничений (например, не может врезаться в препятствия).
Исследователи оценивают свою структуру в серии экспериментов, как в моделируемой, так и в реальной среде. В этих тестах они специально используют его для управления действиями очень маневренного квадрокоптера в режиме реального времени.
.✅ "В робототехнике мы ищем выразительные модели динамики управляемых систем и их взаимодействия с окружающей средой (например, аэродинамические эффекты, трение шин и т.д.)