扩散模型搞定静摩擦！低样本下终端误差直降，控制序列生成快又准
A Study of Conditional Diffusion Models for Open-Loop Control under Dry Friction and Stiction
📖 AI 总结
本文研究了条件扩散模型在含干摩擦与静摩擦的点质量系统开环控制中的应用。由于静摩擦阈值的存在，有效控制序列仅占动作空间的一小部分，且需具备时间结构。作者采用紧凑的条件一维U-Net生成受控序列，并与均匀随机采样、基于数据集先验的随机采样及交叉熵方法对比。结果表明，Action Diffusion在低样本量下显著降低终端误差和卡滞步数，验证了条件扩散能有效生成时间连贯的控制序列，通过条件化与训练先验的重新组合克服静摩擦，为状态间开环控制提供新机制。
🔑 关键词速览
| Diffusion models | 一种生成模型，通过逐步去噪过程从噪声中生成数据样本。 |
| Action Diffusion | 一种将扩散模型应用于动作序列生成的方法，用于规划和控制。 |
| Dry friction and stiction | 干摩擦和静摩擦，指物体在静止时需克服的摩擦力，超过阈值才能运动。 |
| Open-loop control | 开环控制，指控制输入不依赖于系统输出的控制方式。 |
| Cross-Entropy Method (CEM) | 一种基于随机采样的优化算法，用于估计最优控制序列。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅