动态运动基元: 学习吸引因子模型的运动行为

动态运动基元: 学习吸引因子模型的运动行为(中文5000字,英文PDF)
非线性动力系统已在许多学科被应用于模仿复杂的行为，包括生物马达控制，机器人感知，经济，交通预测，神经科学等。而非线性系统的突发行为是研究的重点，它与建立目标导向行为同等重要（例如，一个感性的耦合振子系统对运动稳定性的指导）。然而，目标导向行为的非线性系统建模相当困难，这是因为这些系统的参数灵敏多变，并且响应微妙参数的变化的相变是相当复杂的，而且分析和预测其长期行为的难度是很大的，在这个过程中直觉和耗时的参数调整发挥了重要作用。这篇文章提出和回顾了基于动态运动基元，并依靠统计学习技术的自动非线性动力系统吸引子行为建模研究。我们的方法的本质是从一个简单的动力系统开始，如线性微分方程组，我们可以将这个方程组以一种规定了强迫项给定方式的方法，将其弱化为非线性系统。几乎任意复杂的点吸引子和极限环吸引子都可以产生。在本文中我们解释了我们的方法的设计原则，并通过电机控制和机器人技术中的几个应用实例评估了其性能。