SAO-CNN-BiGRU位置预测算法

超参数自寻优

通过SAO算法自动确定CNN-BiGRU-Attention模型的最优超参数，实现空间遥操作中机器人位置的时空同步预测，提升临场感。

Keli, Wu · Chen, Haifei · 李立君 · 刘正雄 · 常海涛

IEEE Robotics and Automation Letters 2024

技术优势

预测更准

CNN提取位置信息的空间特征，BiGRU感知其动态变化，Attention聚焦关键特征，三者结合确保预测模型精度。

超参数自寻优

利用SAO算法的双种群机制和灵活位置更新方程自主确定最优超参数，避免人工选择无法保证最优的问题。

应用场景

• 空间遥操作：预测遥操作机器人的位置，补偿通信时延，实现位置信息同步。
• 遥操作机器人：在存在时延的遥操作场景中，通过预测使机器人执行提前规划，提升操作实时性。
• 机器人控制：为机器人控制系统提供准确的未来位置估计，增强控制稳定性和精确度。