Apprentissage rapide et stable des systèmes dynamiques basé sur la machine d'apprentissage extrême

L'approche des systèmes dynamiques (SD) est prometteuse pour modéliser le mouvement des robots et fournit un moyen flexible de réaliser l'apprentissage et le contrôle des robots. La précision, la stabilité et la vitesse d'apprentissage sont les trois principaux facteurs à prendre en compte lors de l'apprentissage des mouvements des robots à partir de démonstrations humaines avec des SD. Certaines approches produisent des systèmes dynamiques stables, mais cela peut entraîner une mauvaise performance de reproduction, tandis que d'autres approches offrent une bonne performance de reproduction mais sont assez complexes et chronophages. Dans cet article, nous abordons simultanément les problèmes de précision, de stabilité et de vitesse. Nous présentons une méthode d'apprentissage appelée modélisation rapide et stable pour les systèmes dynamiques, qui est basée sur la machine d'apprentissage extrême pour apprendre efficacement et précisément les paramètres des SD tout en garantissant la stabilité asymptotique au point cible. Nous confirmons l'approche proposée en réalisant à la fois des tâches en 2D d'apprentissage des mouvements d'écriture manuscrite et un ensemble d'expériences robotiques.