蓋世汽車訊 據外媒報道，麻省理工學院（MIT）和斯坦福大學（Stanford University）的研究人員設計出新的機器學習方法，可用于在條件快速變化的動態環境中更有效地控制機器人，例如無人機或自動駕駛汽車。

圖片來源：arXiv

這項技術可以幫助自動駕駛汽車學會補償濕滑的路況以避免打滑，允許機器人自由飛行器（free-flyer）在太空中牽引不同的物體，或者使無人機能夠在強風的沖擊下緊緊跟隨下坡滑雪者。

研究人員的方法是將控制理論中的某些結構融入到學習模型的過程中，從而產生一種控制復雜動力學的有效方法，例如風對飛行器軌跡的影響。思考這種結構的方法之一是作為一種提示，可以幫助指導如何控制系統。

麻省理工學院機械工程系和數據、系統與社會研究所（IDSS）Esther和Harold E. Edgerton助理教授、信息與決策系統實驗室（LIDS）成員Navid Azizan表示：“我們工作的重點是了解系統動力學的內在結構，從而設計出更有效、更穩定的控制器。通過從數據中共同學習系統的動力學和獨特的面向控制的結構，我們能夠自然地創建在現實世界中更有效地運行的控制器。”

在學習模型中使用這種結構，研究人員的技術可以立即從模型中提取有效的控制器，這與其他需要通過額外步驟單獨導出或學習控制器的機器學習方法不同。通過這種結構，新研究方法還能夠使用更少的數據（與其它方法相比）來學習有效的控制器。因此新基于學習的控制系統可在快速變化的環境中更快地實現更好的性能。

主要作者、斯坦福大學研究生Spencer M. Richards表示：“這項工作試圖在識別系統結構和從數據中學習模型之間取得平衡。受機器人學家利用物理學推導出更簡單的機器人模型的啟發，我們開發出該新技術。對這些模型的物理分析通常會產生用于控制目的的有用結構，例如如果只是試圖將模型與數據擬合，則可能會錯過這個結構。相反，我們嘗試從數據中識別類似有用的結構，以指示如何實現控制邏輯。”

返回第一電動網首頁 >