Key points are not available for this paper at this time.
إن القدرة على التكيف مع الامتثال من خلال تغيير صلابة العضلات أمر حاسم لمهارات المناورة الدقيقة لدى البشر. يعتبر دمج الامتثال في التحكم في محركات الروبوت أمرًا بالغ الأهمية لتمكين مهام التفاعل القوي في العالم الحقيقي بدقة تشبه البشر. في هذه الدراسة، نقدم نهجًا جديدًا، نسميه "وحدة التحكم الديناميكية ذات المقاومة المتغيرة المعتمدة على النموذج (MPVIC)" للتلاعب الروبوتي المتوافق، والذي يجمع بين التحكم في المقاومة المتغيرة والتحكم التنبئي القائم على النموذج (MPC). تتضمن الطريقة تعلم نموذج مقاومة كارتيسي عام لمناور روبوت من خلال استراتيجية استكشاف لتعظيم اكتساب المعلومات. ضمن إطار عمل MPC، يتم استخدام هذا النموذج المتعلم لتكييف معلمات المقاومة لوحدة التحكم ذات المقاومة المتغيرة ذات المستوى المنخفض، مما يؤدي إلى تحقيق سلوك الامتثال المطلوب لمهام المناورة المختلفة دون الحاجة إلى إعادة التدريب أو التعديل الدقيق. نقيم فعالية نهج MPVIC العميق المقترح باستخدام مناور روبوتي Franka Emika Panda في المحاكاة والتجارب في العالم الحقيقي التي تتضمن مهام مناورة متنوعة. كما يتم إجراء تقييمات مقارنة ضد نهج التعلم المعزز بدون نموذج ومعتمد على نموذج في التحكم في المقاومة المتغيرة، مع مراعاة جوانب مثل القابلية للنقل بين المهام والأداء. تظهر النتائج فعالية وإمكانية النهج المقدّم في تعزيز قدرات المناورة الروبوتية.
درس أناند وآخرون (الإثنين) هذا السؤال.
Synapse has enriched 3 closely related papers on similar clinical questions. Consider them for comparative context: