Filtering Sensory Information with XCSF: Improving Learning Robustness and Robot Arm Control Performance
Filtering Sensory Information with XCSF: Improving Learning Robustness and Robot Arm Control Performance
复制标题
使用 XCSF 过滤感官信息：提高学习鲁棒性和机器人手臂控制性能
DOI：
10.1162/evco_a_00108
复制
发表时间：
2014
影响因子：
6.8
通讯作者：
Drugowitsch
中科院分区：
文献类型：
--
作者：
Kneissler;Stalph;Drugowitsch
已有研究表明，使用基于进化计算的非线性回归系统XCSF学习分类器系统可以有效地学习机械臂的控制。然而，到目前为止，关于实际运动活动如何改变手臂系统状态的预测性知识尚未被利用。在本文中，我们利用XCSF的正向速度运动学知识来减轻噪声传感器的负面影响，以成功学习和控制。我们将卡尔曼滤波用于估计连续的手臂位置，迭代地将感官读数与基于xcsf的手部位置随时间变化的预测相结合。过滤后的臂位用于改进轨迹规划和进一步学习正速度运动学。我们在一个机械臂仿真模型上对该方法进行了测试。结果表明，该组合可以显著提高学习和控制性能。然而，这也表明XCSF预测的方差估计可能被低估，在这种情况下，自我妄想螺旋效应会阻碍有效学习。因此，我们引入了一个启发式参数，该参数可以由理论驱动，并限制XCSF预测对其自身进一步学习输入的影响。因此，我们在噪音容忍度方面取得了巨大的改善，使系统能够应对10倍以上的噪音水平。
It has been shown previously that the control of a robot arm can be efficiently learned using the XCSF learning classifier system, which is a nonlinear regression system based on evolutionary computation. So far, however, the predictive knowledge about how actual motor activity changes the state of the arm system has not been exploited. In this paper, we utilize the forward velocity kinematics knowledge of XCSF to alleviate the negative effect of noisy sensors for successful learning and control. We incorporate Kalman filtering for estimating successive arm positions, iteratively combining sensory readings with XCSF-based predictions of hand position changes over time. The filtered arm position is used to improve both trajectory planning and further learning of the forward velocity kinematics. We test the approach on a simulated kinematic robot arm model. The results show that the combination can improve learning and control performance significantly. However, it also shows that variance estimates of XCSF prediction may be underestimated, in which case self-delusional spiraling effects can hinder effective learning. Thus, we introduce a heuristic parameter, which can be motivated by theory, and which limits the influence of XCSF's predictions on its own further learning input. As a result, we obtain drastic improvements in noise tolerance, allowing the system to cope with more than 10 times higher noise levels.
登录
查看更多内容
XCS 中的超椭球条件：旋转、线性近似和解结构
DOI：
--
发表时间：
2006
期刊：
Annual Conference on Genetic and Evolutionary Computation
影响因子：
--
作者：
Martin Volker Butz;P. Lanzi;Stewart W. Wilson
通讯作者：
Stewart W. Wilson
使用 XCS 进行函数逼近：超椭球条件、递归最小二乘法和压缩
影响因子：
14.3
作者：
Martin Volker Butz;P. Lanzi;Stewart W. Wilson
通讯作者：
Stewart W. Wilson
混合独立分类器
DOI：
--
发表时间：
2007
期刊：
Annual Conference on Genetic and Evolutionary Computation
影响因子：
--
作者：
Jan Drugowitsch;Alwyn Barry
通讯作者：
Alwyn Barry
使用分类器系统进行函数逼近
DOI：
--
发表时间：
2001
期刊：
影响因子：
--
作者：
Stewart W. Wilson
通讯作者：
Stewart W. Wilson
学习分类器系统的应用
DOI：
--
发表时间：
2004
期刊：
影响因子：
--
作者：
L. Bull
通讯作者：
L. Bull