Recently, neural network model-based control has received wide interests in kinematics control of manipulators. To enhance learning ability of neural network models, the autoencoder method is used as a powerful tool to achieve deep learning and has gained success in recent years. However, the performance of existing autoencoder approaches for manipulator control may be still largely dependent on the quality of data, and for extreme cases with noisy data it may even fail. How to incorporate the model knowledge into the autoencoder controller design with an aim to increase the robustness and reliability remains a challenging problem. In this work, a sparse autoencoder controller for kinematic control of manipulators with weights obtained directly from the robot model rather than training data is proposed for the first time. By encoding and decoding the control target though a new dynamic recurrent neural network architecture, the control input can be solved through a new sparse optimization formulation. In this work, input saturation, which holds for almost all practical systems but usually is ignored for analysis simplicity, is also considered in the controller construction. Theoretical analysis and extensive simulations demonstrate that the proposed sparse autoencoder controller with input saturation can make the end-effector of the manipulator system track the desired path efficiently. Further performance comparison and evaluation against the additive noise and parameter uncertainty substantiate robustness of the proposed sparse autoencoder manipulator controller.

中文翻译：

---

基于神经网络模型的机械手控制：自动编码器视角

最近，基于神经网络模型的控制在机械手的运动学控制中受到广泛关注。为了增强神经网络模型的学习能力，自动编码器方法作为实现深度学习的有力工具，近年来取得了成功。然而，现有的用于机械手控制的自动编码器方法的性能可能仍然在很大程度上取决于数据的质量，并且对于带有噪声数据的极端情况，它甚至可能会失败。如何将模型知识整合到自动编码器控制器设计中以提高鲁棒性和可靠性仍然是一个具有挑战性的问题。在这项工作中，首次提出了一种稀疏自动编码器控制器，用于机械手的运动控制，其权重直接从机器人模型而不是训练数据中获得。通过新的动态递归神经网络架构对控制目标进行编码和解码，可以通过新的稀疏优化公式求解控制输入。在这项工作中，控制器构造中还考虑了输入饱和，它适用于几乎所有实际系统，但通常为分析简单而忽略。理论分析和广泛的仿真表明，所提出的具有输入饱和度的稀疏自动编码器控制器可以使机械手系统的末端执行器有效地跟踪所需路径。针对加性噪声和参数不确定性的进一步性能比较和评估证实了所提出的稀疏自动编码器机械手控制器的鲁棒性。控制输入​​可以通过一个新的稀疏优化公式来解决。在这项工作中，控制器构造中还考虑了输入饱和，它适用于几乎所有实际系统，但通常为分析简单而忽略。理论分析和广泛的仿真表明，所提出的具有输入饱和度的稀疏自动编码器控制器可以使机械手系统的末端执行器有效地跟踪所需路径。针对加性噪声和参数不确定性的进一步性能比较和评估证实了所提出的稀疏自动编码器机械手控制器的鲁棒性。控制输入​​可以通过一个新的稀疏优化公式来解决。在这项工作中，控制器构造中还考虑了输入饱和，它适用于几乎所有实际系统，但通常为分析简单而忽略。理论分析和广泛的仿真表明，所提出的具有输入饱和度的稀疏自动编码器控制器可以使机械手系统的末端执行器有效地跟踪所需路径。针对加性噪声和参数不确定性的进一步性能比较和评估证实了所提出的稀疏自动编码器机械手控制器的鲁棒性。在控制器构造中也考虑了。理论分析和广泛的仿真表明，所提出的具有输入饱和度的稀疏自动编码器控制器可以使机械手系统的末端执行器有效地跟踪所需路径。针对加性噪声和参数不确定性的进一步性能比较和评估证实了所提出的稀疏自动编码器机械手控制器的鲁棒性。在控制器构造中也考虑了。理论分析和广泛的仿真表明，所提出的具有输入饱和度的稀疏自动编码器控制器可以使机械手系统的末端执行器有效地跟踪所需路径。针对加性噪声和参数不确定性的进一步性能比较和评估证实了所提出的稀疏自动编码器机械手控制器的鲁棒性。