提出分层控制器上下文贝叶斯优化参数学习框架

1. 12:00
   arXiv cs.RO 机器人学

   利用分层控制器结构进行人形机器人移动操作的上下文参数学习

   提出一种上下文贝叶斯优化框架，用于分层控制系统中质心预测控制器与全身控制器的联合参数学习，保留任务性能、实现质量与控制努力的独立观测，并用相关多输出高斯过程建模。在不同箱体质量下的人形机器人推箱移动操作任务中，该方法在训练与适应阶段均取得所比较基线中最低的平均经验遗憾。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。