novinky.nakupovani.cz
středa 11. listopadu 2026
Věda a výzkum

Studie představila metodu pro odhad mezních výsledků robotických systémů

Postup založený na extrémních kvantilech hledá z experimentálních dat hranici dosažitelných výsledků namísto průměrného chování. Autoři jej ověřili na sledování dráhy robotem UR10e a na posouvání předmětů.

AI ilustrace k tématu článku
Ilustrace · Vlastní redakce · Podmínky použití

Hadi Jahanshahi a Zheng Hong Zhu popsali v časopise PLOS One metodu, která z experimentálních pozorování odhaduje nelineární hranice výkonu fyzických systémů. Běžné regresní modely podle nich zachycují především průměrné chování, zatímco nový postup se soustředí na mezní výsledky.

Metoda v jednotlivých skupinách měření stanoví nízké percentily a pomocí Bayesova informačního kritéria následně vybírá matematický vztah z knihovny fyzikálně motivovaných modelů. Výzkumníci ji vyzkoušeli na 30 600 pozorováních sledování dráhy robotem UR10e a na 40 378 pokusech s rovinným posouváním předmětů z datového souboru MIT MCube.

U robota UR10e analýza dat včetně přechodových jevů při rozběhu ukázala saturační hranici chyby. Po vyloučení těchto jevů odpovídala hranice v ustáleném režimu vztahu se zpožděním 65 milisekund. V předem stanoveném experimentu se všech šest předpovědí pro dříve nezkoušené rychlosti vešlo do odchylky 1,2 milimetru.

Při posouvání předmětů vyšla mocninná hranice s exponentem 2,02 a 95procentním intervalem spolehlivosti od 1,88 do 2,17. Autoři současně uvádějí, že síť zkoušených podmínek určovalo uspořádání experimentu, knihovna kandidátních modelů není vyčerpávající a odhad pracuje s pevně zvolenou extrémní úrovní kvantilu.

Sdílet

Zaujalo vás to? Pošlete zprávu dál.

FacebookXThreadsTelegramPinterest

Zkopírujte text a veřejný odkaz, otevřete aplikaci a vložte je do příspěvku.

Odkaz na článek

Zdroje

  • PLOS One · 2026-11-10T22:45:01.662Z
    Data-driven discovery of performance boundaries in robotic systems through extreme quantile estimation · Hadi Jahanshahi, Zheng Hong Zhu (2026), PLOS One, DOI: 10.1371/journal.pone.0352196. · Creative Commons Attribution License; version not stated in API

    Jahanshahi, Zhu This is an open access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited. Selected abstract and body passages only; no figure, table, dataset, logo or third-party media reuse.

    České zpracování a případný překlad: novinky.nakupovani.cz, 2026, s využitím AI. Text byl zkrácen a redakčně upraven. Nejde o oficiální překlad ani schválení autorem či PLOS.