详细内容或原文请订阅后点击阅览
使用方向校正来解释和改善最佳控制问题
许多机器人技术任务，例如路径规划或轨迹优化，被表达为最佳控制问题（OCP）。获得高性能的关键在于OCP目标函数的设计。实际上，目标函数由一组单个组件组成，必须仔细建模和交易，以使OCP具有所需的解决方案。平衡多个组件以实现所需的解决方案并了解解决方案时，通常是具有挑战性的，即在不希望的情况下会影响个人成本组件的影响。在本文中，我们提出一个框架…
来源:Apple机器学习研究许多机器人技术任务，例如路径规划或轨迹优化，被表达为最佳控制问题（OCP）。获得高性能的关键在于OCP目标函数的设计。实际上，目标函数由一组单个组件组成，必须仔细建模和交易，以使OCP具有所需的解决方案。平衡多个组件以实现所需的解决方案并了解解决方案时，通常是具有挑战性的，即在不希望的情况下会影响个人成本组件的影响。在本文中，我们提出了一个框架，该框架根据定向校正的概念来解决这些挑战。具体而言，鉴于对OCP的解决方案，该OCP被认为是不受欢迎的，并且可以访问专家提供变更方向，从而增加了解决方案的可取性，我们的方法分析了通过提供的方向校正来分析其“一致性”的个体成本成分。这些信息可用于改善OCP公式，例如，通过增加一致的成本组件的重量，或减轻不一致的成本组件的重量（甚至重新设计）的重量。我们还表明，我们的框架可以自动调整OCP的参数，以与一组校正达到一致性。