基于狄利克雷过程聚类的机器人演示学习研究
Chinese Journal of Scientific Instrument（2023）
摘要
针对演示学习中高斯混合模型参数估计效率低,泛化能力不足的问题,提出一种基于狄利克雷过程聚类和高斯混合模型的复合动态运动基元算法.为实现高斯混合模型参数的实时估计,使用基于距离阈值的狄利克雷聚类算法进行演示轨迹点在线聚类,并引入Welford公式更新参数以提高参数估计效率.获得轨迹分布特征后,使用动态运动基元进行高斯混合回归轨迹的编码,以提高轨迹泛化能力.为了验证算法的有效性,引入了轨迹可达性和相似性指标评价算法的学习泛化能力,设计了基于手写体字母轨迹和机器人动觉示教的演示学习实验.实验结果表明,所提复合动态运动基元算法参数估计平均时间仅0.052 ms,具备快速轨迹复现和泛化能力.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要