Podejścia
Wykorzystanie losowych zmiennych domeny i adaptacji oraz uczenia maszynowego wykorzystujące identyfikację systemu, oraz uczenie o resztach na sprzęcie.
Symulacja Samochodu Autonomnego - Przykładowe Parametry
Symulacja ruchu quadrupedy – przykład wykorzystania kontroli i algorytmów uczenia maszynowego.
Zmienić dynamikę i ukształtowanie terenu w symulatorze.
Trenować politykę sterowania oraz obliczać resztki (residuals) dla optymalizacji trajektorii.
Wdrożyć system z uwzględnieniem ograniczeń bezpieczeństwa.
Frequently asked questions
Fidelity? (Dokładność?)
Skup się na zmiennych niezmienniczych.
Safety? (Bezpieczeństwo?)
Ograniczenia i monitorowanie.
Compute? (Obliczenia?)
Szybkie symulacje i równoległość.
Sensors? (Czujniki?)
Szum i opóźnienia w symulacji.
Actuators? (Działania?)
Nasycenie i luz wrzenia.
Curricula? (Program nauczania?)
Stopniowo rosniała trudność.
Benchmarks? (Wskaźniki wydajności?)
Standaryzowane zadania.
Overfitting? (Przeuczenie?)
Losuj i regularizuj.
Transfer? (Transfer danych?)
Dopasowanie cech.
Outlook? (Przyszłość?)
Ujednolicone przepływy pracy symulacji i rzeczywistości.
Wypróbuj na żywo
Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz Inverse Kinematics (FABRIK) i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.
▶ Otwórz symulację Inverse Kinematics (FABRIK)