MARC

 008250123s2024        us                              c    eng  d
■001000017162480
■00520250211152017
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798383202111
■035    ▼a(MiAaPQ)AAI31331916
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a621
■1001  ▼aSchperberg,  Alexander  Vaschauner.
■24510▼aTowards  Intelligent  Robotic  Systems:  Unifying  Model-Based  Optimization  and  Machine  Learning  for  Planning,  Control,  and  Estimation
■260    ▼a[Sl]▼bUniversity  of  California,  Los  Angeles▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a224  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-01,  Section:  B.
■500    ▼aAdvisor:  Hong,  Dennis  W.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Los  Angeles,  2024.
■520    ▼aThe  goal  of  this  work  is  to  formulate  algorithms  that  can  address  three  key  ingredients  I  believe  are  necessary  towards  making  robots  autonomous  and  smart:  (1)  The  robot  needs  to  be  able  to  react  in  an  energy-efficient  manner  to  outside  disturbances;  (2)  The  robot  needs  to  understand  its  location  of  its  surroundings  and  evaluate  the  uncertainty  of  its  location  to  optimally  and  safely  achieve  some  goal  state;  (3)  The  robot  should  continuously  learn  from  experience  during  operation.  Throughout  this  prospectus,  we  show  algorithms  that  can  achieve  in  obtaining  these  ingredients.  First,  we  will  demonstrate  a  simple  algorithm  that  plans  for  the  most  energy-efficient  trajectories  for  a  quadruped  robot  by  optimizing  for  parameters  such  as  cost  of  transport,  manipulability  measures,  and  avoid  non-slipping  configurations.  With  this  algorithm,  we  show  that  the  robot  only  moves  when  necessary,  anddemonstrates  behaviors  of  reacting  to  outside  disturbances  to  ensure  it  does  not  fall  while  also  not  wasting  unnecessary  energy.  The  idea  of  understanding  is  demonstrated  through  an  algorithm  that  combines  an  MPC,  SLAM,  RNN,  and  object  detection  using  CNNs  to  generate  paths  for  unknown  and  uncertain  environments.  This  algorithm  is  evaluated  not  only  for  a  complex  quadruped  robot,  but  also  for  multi-agent  robot  teams  consisting  of  a  UGV  and  UAV.  The  feasibility  of  such  complex  algorithm  is  also  evaluated.  Lastly,  the  idea  of  continuous  learning  is  addressed  not  only  through  use  of  learning-based  algorithms  such  as  RNNs,  but  also  through  auto-tuning  algorithms  that  employ  an  UKF.  Using  a  UKF,  we  show  that  we  can  automatically  tune  controller  gains  and  even  parameters  of  an  online  planner.  Because  the  UKF  can  adapt  parameters  quickly  and  without  heavy  computational  load,  the  robot  can  continuously  adapt  its  control/planner  parameters  during  online  operation  to  continually  learn  from  the  environment.  To  summarize,  we  will  first  present  a  simple  planner  for  energy-efficient  locomotion,  provide  two  examples  of  end-to-end  frameworks  for  motionplanning  and  state  estimation  that  uses  a  hybrid  approach  consisting  of  model  and  learning-based  methods,  and  then  provide  a  method  of  calibrating  such  end-to-end  frameworks  (which  often  contain  many  various  modules)  through  an  auto-tuning  technique.  Lastly,  I  end  with  a  discussion  on  Large  Language  Models,  and  how  they  may  potentially  affect  the  robotic  field,  and  further  contribute  to  the  idea  of  understanding  in  significant  ways.
■590    ▼aSchool  code:  0031.
■650  4▼aMechanical  engineering
■650  4▼aRobotics
■650  4▼aComputer  science
■653    ▼aKalman  filtering
■653    ▼aMachine  learning
■653    ▼aMotion  planning
■653    ▼aPath  planning
■653    ▼aReinforcement  learning
■653    ▼aState  estimation
■690    ▼a0548
■690    ▼a0771
■690    ▼a0984
■690    ▼a0800
■71020▼aUniversity  of  California,  Los  Angeles▼bMechanical  Engineering  0330.
■7730  ▼tDissertations  Abstracts  International▼g86-01B.
■790    ▼a0031
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17162480▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서