GaPT: 高斯过程工具包用于在线回归及其在学习四旋翼动力学中的应用
摘要：从高斯过程(GPs)角度来看，他们是表达信号统计信息和表达预测不确定性的表达模型。因此，机器人学界对利用这些方法进行推理、规划和控制产生了兴趣。遗憾的是，尽管提供了一个封闭形式的推理解决方案，但GPs是非参数模型，其规模通常与数据集大小呈立方关系，因此在空中机器人上使用时很难被使用，特别是在体积、重量和功率(SWaP)受限的情况下。此外，并不容易将流行的库与不同内核与GPs集成起来。在本文中，我们提出了一个名为GaPT的新型工具包，它将GPs转化为它们的状态空间形式，并以线性时间进行回归。GaPT被设计成与机器人学中的多个优化器高度兼容。我们在单输入和多输入GP设置上对所提出的方法进行了彻底验证。GaPT准确地捕捉到系统行为在多种飞行模式和操作条件下的情况，包括产生高度非线性效应如空气动力学力和旋翼相互作用的情况。此外，结果证明了与经典的GP推理方法相比，GaPT在单输入和多输入设置中的计算性能优越，特别是考虑到大量数据点时，使得在SWaP受限的空中机器人上实现实时回归速度成为可能。
作者：Francesco Crocetti, Jeffrey Mao, Alessandro Saviolo, Gabriele Costante, and Giuseppe Loianno
论文ID：2303.08181
分类：Robotics
分类简称：cs.RO
提交时间：2023-08-29