A Unified Arbitrarily Predefined -Time Convergent Recurrent Neural Network for Motion Control of Redundant Robot Manipulators: A Unified Paradigm
Notice bibliographique
Résumé
In general, the motion control problem of redundant robot manipulators (RRMs) can be transformed into a constrained time-varying quadratic programming (TVQP) problem. Recently, various recurrent neural networks (RNNs) with predefined time convergence (PTC) abilities have been proposed to solve this constrained TVQP problem in real-time. However, there is still a lack of a unified paradigm to guide researchers and engineers design such RNNs more effectively based on specific requirements. To bridge this gap, we propose a unified paradigm derived from a novel segmentation evolution formula incorporating a special <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"><tex-math notation="LaTeX">$\mathfrak{B}$</tex-math></inline-formula>–<italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">Class</i> function. This paradigm enables the construction of various RNNs, collectively referred to as unified arbitrarily predefined-time convergent RNNs (U-APTC-RNNs). Compared with most existing RNNs, the constructed U-APTC-RNN has two significant advantages: 1) it has the arbitrarily PTC (APTC) ability, meaning its actual convergence time can be arbitrarily and precisely predefined without setting other model parameters and 2) using a novel piecewise computation strategy, redundant nonlinear calculations are effectively minimized, leading to a notable reduction in computational costs. The stability and APTC ability of the constructed U-APTC-RNN are demonstrated through detailed theoretical analysis. Numerical simulation experiments confirm the APTC capabilities of various U-APTC-RNNs constructed using the proposed unified paradigm. Comparative experiments show that U-APTC-RNN has more competitive convergence performance and lower computational cost than other state-of-the-art RNNs with PTC abilities. Finally, simulation and physical motion control experiments on the Jaco and UR5 robotic arms demonstrate the superiority and practicality of the proposed U-APTC-RNN.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».