自己注意メカニズムに基づいたリスク感受性ロボット制御の探討 研究背景 ロボット制御における運動学と動力学は、任務を正確に遂行するための重要な要素です。ほとんどのロボット制御スキームは、多様なモデルに依存して任務の最適化、スケジューリング、および優先順位制御を実現しています。しかし、伝統的なモデルの動的特性の計算は通常複雑であり、誤差が発生しやすいという問題があります。この問題を解決するために、機械学習や強化学習技術を使用してモデルを自動取得することが可能な代替案として現れました。しかし、実際のロボットシステムに直接適用する際には、急激な運動変化や望ましくない行動出力のリスクが存在します。 研究の出所 本論文はソウル国立大学およびローザンヌ連邦工科大学からのDongwook Kim、Sudon...