基于自适应位置-力控制与强化学习的移动机械臂通用开门系统
机器人学
2024-09-25 v1 系统与控制
系统与控制
摘要
机器人穿过门的能力对其在室内环境中的有效作业至关重要。因此，为使机器人能打开特定门，已开展广泛研究。然而，门把手与开启方向的多样组合要求机器人具备更通用的开门系统以在真实环境中成功作业。本文提出一种可在无先验知识情况下自主打开各类门的移动机械臂系统。通过卷积神经网络、点云提取技术以及探索运动中的外力测量，我们获取了把手类型、位姿及门特征等信息。借助自适应位置-力控制与深度强化学习两种不同方法，我们成功在无需精确轨迹或过大外力的情况下开门。自适应位置-力控制方法令末端执行器沿开门方向移动并柔顺响应外力，确保安全与机械臂工作空间。同时，深度强化学习策略最小化施加力并消除多余运动，从而在不同位姿与宽度的门上实现稳定操作。基于 RL 的方法在补偿外力、确保平滑运动及实现高效速度方面优于自适应位置-力控制方法，其将所需最大力降低 3.27 倍，运动平滑度提升 1.82 倍。然而，非基于学习的自适应位置-力控制方法在开启更广范围门时展现更强通用性，涵盖具有四种不同开启方向与可变宽度的旋转门。
引用
@article{arxiv.2307.04422,
title = {A Versatile Door Opening System with Mobile Manipulator through Adaptive Position-Force Control and Reinforcement Learning},
author = {Gyuree Kang and Hyunki Seong and Daegyu Lee and D. Hyunchul Shim},
journal= {arXiv preprint arXiv:2307.04422},
year = {2024}
}