基于强大课程学习的SAC算法,用于在稀疏奖励条件下实现7自由度机械臂的端到端运动控制
《Electronics》:Robust Curriculum-Based SAC for End-to-End Motion Control of a 7-DOF Manipulator Under Sparse Rewards
【字体:
大
中
小
】
时间:2026年06月25日
来源:Electronics 2.9
摘要
基于“检测前跟踪”(TBD)方法的概率假设密度(PHD)滤波器,是一种用于检测数量未知且会随时间变化的弱目标的关键技术。为克服现有算法存在的计算成本高、实时性能差以及在密集杂波环境中的跟踪效率低等问题,本文提出了一种适用于TBD的快速非顺序粒子PHD滤波器。具体而言,在预测阶段引入了一种基于差分定位的自适应粒子生成方法,使得新生成的粒子能够快速聚集在潜在目标位置附近。在更新阶段,将粒子分为三组,以简化权重计算并提高效率。此外,还采用了并行重采样策略,进一步提升了实时性能。数值实验表明,所提出的方法仅需少量粒子即可保持跟踪精度,从而显著降低了计算复杂度并提高了实时处理能力。这项工作为TBD算法的工程应用提供了实用参考。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号