跳到正文
arXiv · 机器人与计算机视觉· Vinicius Mariano Goncalves, Peilin Wu, Adriano Rezende, Weijia Yao·· 13 小时前AI 评分72

用于机器人控制的构造性无限次可微引导向量场

Constructive Infinitely Differentiable Guidance Vector Fields for Robotic Control

AI 导读

论文提出了一种构造性无限次可微引导向量场(GVF),旨在解决现有 GVF 框架在需要信号导数的级联控制器中存在的非可导性或大梯度问题。该方法通过引入平滑参数实现了对原有方法的推广,并在该参数趋近于零时恢复原始 GVF。研究建立了主要理论性质,并通过数值和真实世界实验展示了其在保持离散化下光滑性、减少曲线采样数以降低计算时间以及维持小路径跟踪误差方面的优势。

来源:arXiv · 机器人与计算机视觉 · arxiv.org