基于弧长的轨迹变形用于从多个演示中机器人技能合成
机器人学
2025-12-01 v2
摘要
在机器人学中，学习演示 (LfD) 旨在通过使用多个相同任务的演示来将技能传递给机器人。这些演示被记录和处理，以提取一致的技能表示。这一过程通常需要通过诸如动态时间归形 (DTW) 等技术进行时间对齐。本文我们考虑一种新算法，名为空间抽样 (SS)，专为机器人轨迹设计，能够通过为信号提供弧长参数化来实现时间独立的轨迹对齐。这种方法消除了时间对齐的需求，增强了技能表示的准确性和鲁棒性，尤其是在记录的运动受到间歇性运动或极端可变速度时，这是基于肌肉教学操作的常见特征，此时操作员在引导末端执行器平滑运动时可能遇到困难。为证明这一点，我们构建了一个用于测试真实世界运动的数据集，其中用户多次跟踪相同的几何路径，运动规律差异很大且受起始和停止的影响。SS 在轨迹同步和提取技能质量方面均优于最先进的算法。
引用
@article{arxiv.2410.13322,
title = {Arc-Length-Based Warping for Robot Skill Synthesis from Multiple Demonstrations},
author = {Giovanni Braglia and Davide Tebaldi and André Eugenio Lazzaretti and Luigi Biagiotti},
journal= {arXiv preprint arXiv:2410.13322},
year = {2025}
}
备注
8 pages, 7 figures