基于快速在线高斯过程回归的三维可变形物体操控
机器人学
2017-10-06 v2
摘要
本文提出一种通用方法，用于自动视觉伺服控制变形参数未知的可变形物体的位置与形状。该伺服控制通过在线学习一个映射机器人末端执行器运动与物体变形测量之间关系的模型来实现。模型采用高斯过程回归（GPR）进行学习，以处理其高度非线性特性；一旦学习完成，该模型便用于预测每个时间步所需的控制量。为克服 GPR 在处理长操控序列时的高计算成本，我们通过选择性地从回归过程中移除无信息量的观测数据，实现了一种快速在线 GPR。我们在一组可变形物体操控任务上验证了控制器的性能，并证明我们的方法能够针对具有多种目标设定的通用可变形物体实现有效且精确的伺服控制。实验视频见 https://sites.google.com/view/mso-fogpr
引用
@article{arxiv.1709.07218,
title = {3D Deformable Object Manipulation using Fast Online Gaussian Process Regression},
author = {Zhe Hu and Peigen Sun and Jia Pan},
journal= {arXiv preprint arXiv:1709.07218},
year = {2017}
}
备注
Submitted to IEEE Robotics and Automation Letters(RAL)