Apprentissage du modèle de mélange gaussien cohérent sur le plan physique

Cette séance de cours couvre le concept d'apprentissage et de contrôle adaptatif pour les robots, en mettant l'accent sur l'application de modèles de mélange gaussien compatibles physiques (PC-GMM) pour l'apprentissage dynamique du système. L'instructeur discute de l'optimisation des Fonctions Lyapunov Quadratic Parameterized (P-QLF) et des défis du découplage de l'estimation de la densité à partir des paramètres DS. La séance de cours explore également l'utilisation de modèles de mélanges non paramétriques bayésiens et les implications des MGM physiques dans l'apprentissage de la trajectoire. De plus, l'instructeur présente le paramètre linéaire Variante du système dynamique (LPV-DS) comme une approche avancée pour l'apprentissage de DS complexes et non linéaires à partir de démonstrations.