基于学习扰动特征的 SE(3) 哈密顿动力学自适应控制
机器人学
2022-03-23 v2 机器学习
系统与控制
系统与控制
摘要
自适应控制是快速变化作业条件下可靠机器人自主性的关键组成部分。自适应控制设计受益于扰动模型，而该模型在实践中往往不可得。这促使人们利用机器学习技术从离线训练数据中学习扰动特征，随后可用于在线补偿扰动。本文针对满足流形上哈密顿运动方程的刚体系统（如地面、空中和水下航行器），开发了带有学习扰动模型的几何自适应控制。我们的设计包括一个\emph{离线扰动模型辨识阶段}（使用基于哈密顿的神经常微分方程(ODE)网络从状态-控制轨迹数据训练）和一个\emph{在线自适应控制阶段}（基于几何跟踪误差估计并补偿扰动）。我们在全驱动摆与欠驱动四旋翼系统的轨迹跟踪仿真中展示了我们的自适应几何控制器。
引用
@article{arxiv.2109.09974,
title = {Adaptive Control of SE(3) Hamiltonian Dynamics with Learned Disturbance Features},
author = {Thai Duong and Nikolay Atanasov},
journal= {arXiv preprint arXiv:2109.09974},
year = {2022}
}
备注
Project website: https://thaipduong.github.io/hamadapt/