arXiv · 机器人与计算机视觉· Michail-Antisthenis Tsompanas, Marco Perez Hernandez, Faisal Abdul-Fattah, Karim Elhakim, Mostafa Ibrahim, Judith Fuentes, Florencia Lezcano, Riccardo Collu, Massimo Barbaro, Stefano Lai, Samuel Sanchez, Andrew Adamatzky·· 12 小时前AI 评分3
监督学习用于生物混合肌肉环致动器的静态与动态力预测研究
Supervised Learning Approaches for Static and Temporal Force Prediction in a Biohybrid Muscle Ring Actuator
AI 导读
针对生物混合致动器内在的生物变异性与非线性挑战,该研究利用监督学习建模并预测其行为。静态模型(随机森林与神经网络)在输入变量下实现平均 R²为 0.9346 的预测精度,而基于 LSTM 的动态模型在五组训练实例中达到平均 R²为 0.9944。这些高准确度结果既支持肌肉致动器性能的优化,也为未来生物混合机器人系统的鲁棒自适应控制策略奠定基础。
来源:arXiv · 机器人与计算机视觉 · arxiv.org