跳到正文
热点事件持续更新

基于模型反馈线性化的鲁棒几何DDPC轨迹跟踪方法论文提交

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

Pranav Gupta等人将研究《Feedback-Linearised Trajectory Tracking via Model-Informed Robust Geometric DDPC》提交至2027年瑞典斯德哥尔摩学习动力学与控制会议。该研究提出一种基于模型反馈线性化的几何鲁棒数据驱动预测控制(DDPC)方法,用于全驱动机械臂的轨迹跟踪任务。 仿真在含重力的平面2R机械臂上验证了该方法,结果显示其相比双积分MPC提升了跟踪精度,但增加了扭矩消耗;与DeePC的性能对比则取决于参考轨迹。目前论文暂未开源代码或权重。

AI 根据报道生成 · 10 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv · 机器人与计算机视觉
    Feedback-Linearised Trajectory Tracking via Model-Informed Robust Geometric DDPC 论文提交至 2027 年学习动力学与控制会议

    该研究提出基于模型反馈线性化的几何鲁棒数据驱动预测控制(DDPC),用于全驱动机械臂轨迹跟踪。仿真在含重力平面 2R 机械臂上验证,相比双积分 MPC 提升跟踪精度但增加扭矩消耗,性能相对 DeePC 取决于参考轨迹。论文已提交至 2027 年瑞典斯德哥尔摩学习动力学与控制会议,暂未开源代码或权重。

本事件热度走势

可比范围当前
7
可比范围峰值
911月18日 16:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。