neural-network - 在运动控制中使用神经网络

Question

我正在构建一个自平衡两轮机器人。我一直计划为平衡部分实现一个简单的算法 - 然后花几天时间调整算法，但现在我有了可以改用神经网络的想法。

作为输入，我想给它提供与平衡相关的维度中的车轮、陀螺仪和加速度计数据的当前速度，以及可能来自 Remote 的输入。

作为输出，我想要每个电机的方向和推力。

错误情况包括摔倒和不按 Remote 移动。

我遇到的麻烦是如何训练它？理想情况下，它会随着时间的推移而学习，但我不知道网络将如何学习 - 假设它做了什么，然后在 2 秒后下降。

所以我无法立即告诉网络某个输出是错误的。我的一个想法是说每次机器人跌倒时我都会“回滚”整个网络状态几秒钟。这样做的正确方法是什么？

我也想让网络尝试节约能源；使用权力是消极的，但却是必要的。

我希望能够在 1 GHz BeagleBone Black 计算机上使用 libfann。

额外信息:我不会让机器人摔倒，因此如果达到某些阈值，手动算法将接管控制 - 并将机器人带到中立位置并将控制权交还给网络。

Answer 1

要让它学习，您需要记录所有输入和输出，然后将数据输入 ANN。我在水处理的过程控制领域做过这个。该软件可能很昂贵，而且我不知道有哪些开源替代品，但是您“训练”它的方式是通过为其提供历史数据。例如，当您在输出上执行 x 时，y 在输入上返回。然后，您可以在记录数据并将该数据输入 ANN 的同时进行一些实验。