arXiv cs.RO 机器人学· Maximilian M\"uhlbauer, Arne Sachtler, Markus Knauer, Cem K\"u\c{c}\"ukgen\c{c}, Yanlong Huang, Alin Albu-Sch\"affer, Jo\~ao Silv\'erio·· 1 天前AI 评分45
Fast Non-Parametric Heteroscedastic Imitation Learning With Geometric Priors：带几何先验的快速非参数异方差模仿学习
Fast Non-Parametric Heteroscedastic Imitation Learning With Geometric Priors
AI 导读
arXiv 论文提出一种带几何先验的非参数异方差模仿学习方法，用于从人类示教中学习概率策略，优化后的公式使包含位置与姿态的轨迹更新耗时低于 3 ms。该方法采用非可分对角核捕捉同一自由度间的不确定性关系，支持流形值输入与大角度姿态变化的流形值输出，并可通过任务参数化适配不同物体位姿。作者在玩具示例与真实机器人操作任务上进行了自主执行和共享控制场景的评测。
来源：arXiv cs.RO 机器人学 · arxiv.org