基于全身模型预测控制与黑箱策略学习的敏捷接物
机器人学
2023-10-23 v2
摘要
我们解决敏捷机器人中的一个基准任务：高速抛射物体的接取。这是一项具有挑战性的任务，涉及在仅获得物体视觉观测与机器人本体感知状态的条件下，在极短时间内完成对抛射物体的追踪、拦截与托接。我们展示了两种根本不同求解策略的相对优势：(i) 使用加速约束轨迹优化的模型预测控制，以及 (ii) 使用零阶优化的强化学习。我们通过大量的硬件实验，对样本效率、仿真到实物的迁移、对分布偏移的鲁棒性以及全身多模态性等若干性能权衡提供了见解。最后，我们就融合“经典”与“基于学习”的技术用于敏捷机器人控制提出建议。我们的实验视频可见于 https://sites.google.com/view/agile-catching
引用
@article{arxiv.2306.08205,
title = {Agile Catching with Whole-Body MPC and Blackbox Policy Learning},
author = {Saminda Abeyruwan and Alex Bewley and Nicholas M. Boffi and Krzysztof Choromanski and David D'Ambrosio and Deepali Jain and Pannag Sanketi and Anish Shankar and Vikas Sindhwani and Sumeet Singh and Jean-Jacques Slotine and Stephen Tu},
journal= {arXiv preprint arXiv:2306.08205},
year = {2023}
}
备注
L4DC 2023