Learning inverse kinematics: Reduced sampling through decomposition into virtual robots
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/2701
Tipus de documentArticle
Data publicació2008
EditorIEEE
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
We propose a technique to speed up the learning of the inverse kinematics of a robot manipulator by decomposing it into two or more virtual robot arms. Unlike previous decomposition approaches, this one does not place any requirement on the robot architecture and, thus, it is completely general. Parametrized Self-Organizing Maps (PSOM) are particularly adequate for this type of learning, and permit comparing results obtained directly and through the decomposition. Experimentation shows that time reductions of up to two orders of magnitude are easily attained.
CitacióRuiz de Angulo, Vicente; Torras, Carme. "Learning inverse kinematics: Reduced sampling through decomposition into virtual robots". IEEE transactions on systems, man and cybernetics: Part B, 2008, vol. 38, núm. 6, p. 1571-1577.
ISSN1083-4419
Versió de l'editorhttp://dx.doi.org/10.1109/TSMCB.2008.928232
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
doc1.pdf | 559,2Kb | Visualitza/Obre |