位置与力矩约束下水下操作的强化学习控制方法
机器人学
2021-08-06 v1 系统与控制
系统与控制
摘要
在海洋作业中，水下机械臂起着至关重要的作用。然而，由于动态模型中的不确定性和环境引起的扰动，底层控制方法需要具备很强的适应能力以应对变化。此外，在位置和力矩约束下，对控制系统的要求大大提高。强化学习是一种数据驱动的控制技术，能够在无需模型的情况下学习复杂控制策略。此类智能体的学习能力使其对操作条件的变化具有极强的适应性。在本文中，我们提出了一种新颖的强化学习底层控制器，用于位置和力矩约束下水下机械臂的位置控制。该强化学习智能体基于actor-critic架构，使用传感器读数作为状态信息。使用Reach Alpha 5水下机械臂的仿真结果显示了所提控制策略的优势。
引用
@article{arxiv.2011.12360,
title = {A reinforcement learning control approach for underwater manipulation under position and torque constraints},
author = {Ignacio Carlucho and Mariano De Paula and Gerardo G. Acosta and Corina Barbalata},
journal= {arXiv preprint arXiv:2011.12360},
year = {2021}
}