NVIDIA（英伟达）

Learning Actuator-Aware Spectral Submanifolds for Precise Control of Continuum Robots

学习具备执行器意识的谱子流形以实现连续机器人精确控制

Paul Leonard Wolff, Hugo Buurmeijer, Luis Pabon, John Irvin Alora, Mark Leone, Roshan S. Kaundinya, Amirhossein Kazemipour, Robert K. Katzschmann, Marco Pavone

机构 * Autonomous Systems Lab, Stanford University, USA（斯坦福大学自主系统实验室，美国） ； Institute of Mechanical Systems, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院机械系统研究所） ； Soft Robotics Lab, ETH Zurich, Switzerland（瑞士苏黎世联邦理工学院软机器人实验室） ； NVIDIA Research, Santa Clara, USA（美国圣克拉拉NVIDIA研究） 纠错

AI总结 本文提出一种结合控制输入的谱子流形方法，用于减少连续机器人高维非线性动力学，通过训练紧凑模型降低开环预测误差并提升闭环控制性能。