冗長マニピュレーターのスパースモーションプランニングのためのモーメンタムリカレントニューラルネットワークと最大化-最小化

近年、モーションプランニングのためのニューラルネットワークの大幅な進歩にもかかわらず、収束速度は重要な制限要因です。さらに、冗長マニピュレーターのモーションプランニングにスパース性を取り入れるアプローチはほとんどありません。この記事では、ネステロフの加速勾配法に触発され、モーメンタムリカレントニューラルネットワーク（MRNN）モデルを提案します。スパースモーションプランニングのために、複数のMRNNが協調神経動的最適化（CNO）のフレームワーク内で同時に動作します。コンピュータシミュレーションと物理実験により、時間効率と追跡性能の両方の面でMRNNが既存のニューラルネットワークより優れていることを示します。特に、提案されたCNO-MRNNの追跡性能は、最大位置誤差が2.34×10−3 m、平均二乗誤差が1.51×10−3 m、アクティブジョイント数が4の他の競合方法と比較して最も優れています。