无需模型信息即可自动学习精确敏捷运动的软体机器人系统
机器人学
2024-09-04 v3
摘要
许多应用领域，例如医学和制造业，可从气动软体机器人（SR）中获益良多。然而，软体机器人的精确控制至今仍是一个重大挑战，主要由于其非线性动力学和粘弹性材料特性。传统的控制设计方法通常依赖复杂的系统建模或耗时的手动调参，两者都需要大量人工专业知识，从而限制了其实用性。在近期工作中，数据驱动方法——自动神经ODE控制（ANODEC）——已成功用于完全自动地仅利用输入-输出数据为各种非线性系统设计控制器，无需先验模型知识或大量手动调参。在本工作中，我们成功将ANODEC应用于在真实世界软体机器人中自动学习执行敏捷、非重复的参考跟踪运动任务，并在有限时间范围内完成。据作者所知，ANODEC首次仅凭30秒的输入-输出数据且无需任何先验模型知识，实现了对具有迟滞效应的软体机器人的有效控制。我们证明，对于多个定性不同甚至超出训练分布的参考信号，ANODEC设计的单一反馈控制器始终优于手动调参的PID基准。因此，本贡献不仅进一步验证了ANODEC的有效性，也标志着向更实用、更易用的软体机器人迈出了重要一步，这些机器人可从最少的实验交互时间自动学习执行敏捷运动。
引用
@article{arxiv.2408.03754,
title = {A Soft Robotic System Automatically Learns Precise Agile Motions Without Model Information},
author = {Simon Bachhuber and Alexander Pawluchin and Arka Pal and Ivo Boblan and Thomas Seel},
journal= {arXiv preprint arXiv:2408.03754},
year = {2024}
}
备注
Submitted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2024)