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$\mathfrak{B}$–Classfunction. 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».