面向学习型动力系统的鲁棒任务级控制架构
机器人学
2025-11-14 v1 机器学习
系统与控制
系统与控制
摘要
基于动力系统（DS）的学习从演示中（LfD）是生成机器人系统操作（“任务”）空间中运动计划的强大工具。然而，所生成的运动计划的实现常常因“任务执行不匹配”而受到影响，即未建模的动力学、持续性扰动和系统延迟会导致机器人的实际任务空间状态偏离所需的运动轨迹。我们提出了一种新颖的任务级鲁棒控制架构，L1-增强动力系统（L1-DS），用于在跟踪由任何 DS-based LfD 方案生成的正式运动计划时显式处理任务执行不匹配。我们的框架将任何 DS-based LfD 模型与一个正式稳定控制器和一个 L1 自适应控制器相组合。此外，我们引入了一个基于窗口化动态时间规整（DTW）的目标选择器，使正式稳定控制器能够处理时间错位，从而实现更一致的相位跟踪。我们在 LASA 和 IROS 手写数据集上展示了该架构的有效性。
引用
@article{arxiv.2511.09790,
title = {A Robust Task-Level Control Architecture for Learned Dynamical Systems},
author = {Eshika Pathak and Ahmed Aboudonia and Sandeep Banik and Naira Hovakimyan},
journal= {arXiv preprint arXiv:2511.09790},
year = {2025}
}