仿真中机器人设计与控制协同优化计算预算的实证研究
机器人学
2025-09-30 v2 机器学习
摘要
机器人的设计（形状）通常在控制实现之前就已确定。这可能会限制设计对任务的适应程度，因为设计的适用性取决于机器人在任务中的表现，而这既需要设计也需要控制器。机器人设计与控制的协同优化或同时优化通过产生均适应于任务的设计和控制来解决这一局限性。本文研究了仿真中设计与控制协同优化固有的一些挑战。结果表明，在协同优化过程中降低控制器的训练程度，在考虑对最佳设计的控制器利用额外资源进行重新训练的第二阶段时，能显著提升机器人的性能。此外，结果表明，分配给每个设计的控制器训练的计算预算会影响设计复杂性，较简单的设计对应较低的训练预算。本文在四个不同的协同优化问题中，对文献中讨论的关于仿真中机器人设计与控制协同优化的关键问题进行了实验研究。
引用
@article{arxiv.2409.08621,
title = {An Empirical Study on the Computation Budget of Co-Optimization of Robot Design and Control in Simulation},
author = {Etor Arza and Frank Veenstra and Tønnes F. Nygaard and Kyrre Glette},
journal= {arXiv preprint arXiv:2409.08621},
year = {2025}
}