近年来，自动微动性吸引了研究人员和从业者的注意。许多微型传输车辆的关键组成部分是DC电动机，DC电动机是连续且非线性的复杂动力系统。对于需要稳健性和稳定性的各种应用，需要在存在干扰和不确定性的情况下快速控制直流电动机。完成此任务的技术通常依赖于数学系统模型，该模型通常不足以预测非线性的时变和相互关联来源的影响。尽管某些无模型方法在任务方面取得了成功，但它们依赖于与系统的大规模交互，并接受了专门的硬件培训，以适合高度参数化的控制器。在这项工作中，我们学会通过样品有效的增强学习来引导直流电动机。使用现实世界中硬件交互收集的数据，我们还构建了一个模拟器，以实验各种参数和学习策略。找到最佳参数，我们在模拟的一分钟和53秒内学习了有效的控制策略，并在10分钟35秒内在物理系统上学习了一个有效的控制策略。
translated by 谷歌翻译
鸟类等动物通过将腿部和空中迁移率与显性惯性作用相结合，广泛使用多模式运动。这种多模式运动壮举的机器人仿生型可以在协商其任务空间的能力方面产生超虚拟系统。本文的主要目的是讨论实现多模式运动的挑战，并报告我们在开发能够多模式运动（腿部和空中运动）的四足动物机器人方面的进展。我们报告了机器人中使用的机械和电气组件，除了为开发多功能多模式机器人平台实现目标的模拟和实验外。
translated by 谷歌翻译