Newest papers

Reinforced Iterative Learning Control for elastic joint arms: Guaranteed cross-trajectory generalization under model uncertainties

Y. de Santis, Michele Pierallini, Franco Angelini, Manolo Garabini · 2026 · Control Engineering Practice

DOI: 10.1016/j.conengprac.2026.107166 · cited by 0 works (OpenAlex) · open-access PDF

Portuguese

O rastreamento de trajetória para robôs compatíveis é desafiador devido à dinâmica não linear e incertezas de modelagem, muitas vezes exigindo métodos baseados em aprendizagem para evitar a identificação explícita de parâmetros. O controle de aprendizagem iterativa (ILC) garante teoricamente alta precisão e preserva a conformidade passiva do robô. No entanto, o ILC tradicional requer uma fase de aprendizagem separada para cada nova trajetória. Por outro lado, o Reinforcement Learning (RL) se generaliza para novas trajetórias, mas praticamente sofre de alta complexidade de amostras e precisão de rastreamento limitada.

Machine translation (Meta M2M100); the English original follows.

Abstract

Trajectory tracking for compliant robots is challenging due to nonlinear dynamics and modeling uncertainties, often requiring learning-based methods to avoid explicit parameter identification. Iterative Learning Control (ILC) ensures theoretically high precision and preserves the passive compliance of the robot. However, traditional ILC requires a separate learning phase for each new trajectory. Conversely, Reinforcement Learning (RL) generalizes to new trajectories, but practically suffers from high sample complexity and limited tracking precision. This work proposes Reinforced Iterative Lear

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Iterative learning control, Generalization, Control theory (sociology), Joint (building), Computer science, Control (management)

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange