来源：期刊VIP网 时间：
作者：李孟阳;武兵;李利娜;刘畅;
单位：太原理工大学机械与运载工程学院;太原理工大学新型传感器与智能控制教育部重点实验室;
摘要：作为机器人学的研究方向之一，机器人模仿学习在机器人研究中占比愈渐增加。模仿学习是指从示教者提供的范例即演示数据中进行学习。然而，在演示过程中，存在一些无法避免的抖动等不光滑特征。为了解决这个问题，提高模仿学习效果，这里提出了一种基于GMM/GMR的机器人模仿学习优化方法。该方法首先设计了基于高斯噪声的优化策略，用来分散演示数据，消除示教轨迹中的不平滑特征；其次，提出了一种新的评价准则，用来平衡模型中欠拟合/过拟合问题。最后通过实验验证，该方法在计算效率，评估模型的效果方面具有显著优势。
关键词：模仿学习;;高斯混合模型(GMM);;高斯混合回归(GMR);;贝叶斯准则(BIC);;欧式距离;;高斯噪声
基金资助：山西省科技重大专项项目（20181102027）;; 山西省应用基础研究计划青年科技研究基金（202103021223090）
