Detail publikace
Weight-varying Model Predictive Control for Coupled Cyber-Physical Systems: Aerial Grasping Study
prediktivní řízení, bezpilotní dron, posilované učení
Pokroky v oblasti numerických optimalizačních metod umožnily využití nelinéárního prediktivního řízení (NMPC) pro stále komplexnější kyber-fyzikální systémy. Úlohy vyžadující interakci fyzicky propojených či nepropojených dynamických systémů s více stupni volnosti označujeme jako sdružené, jelikož vyžadují vzájemnou koordinaci pro dosažení požadovaného cíle. Tento článek je zaměřen na problém robotiky ve vzdušném prostoru, který se skládá z autonomního multirotorového prostředku (UAV) a robotického ramene s možným využitím pro transport nákladu či opravu infrastruktury. Přistup adaptace vah založený na posilovaném učení (RL) je navržen pro účely návrhu parametrizace účelové funkce prediktivního řízení na základě kinematických příznaků. Při úvaze, že samotný výpočet řídicích vstupů je proveden ověřeným optimalizačním řešičem, proces učení vyžaduje menší počet simulací ve srovnání s posilovaným učením pracujícím přímo s řídicími vstupy.
@inproceedings{BUT189120,
author="Jiří {Novák} and Peter {Chudý} and Jiří {Hanák}",
title="Weight-varying Model Predictive Control for Coupled Cyber-Physical Systems: Aerial Grasping Study",
booktitle="Machine Learning, Optimization, and Data Science",
year="2024",
series="Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)",
pages="1--15",
address="Castiglione della Pescaia"
}