使用无梯度优化技术自动调优仿人机器人行走架构的增益
机器人学
2024-09-30 v1
摘要
开发复杂的控制架构赋予了机器人，特别是仿人机器人，众多能力。然而，调优这些架构仍然是一项具有挑战性且耗时的任务，需要专家干预。在这项工作中，我们提出了一种自动调优行走仿人机器人分层控制架构所有层级增益的方法。我们采用不同的无梯度优化方法测试了我们的方法：遗传算法（GA）、协方差矩阵自适应进化策略（CMA-ES）、进化策略（ES）和差分进化（DE）。我们在仿真和真实的 ergoCub 仿人机器人上验证了找到的参数。我们的结果表明，GA 实现了最快的收敛速度（10 x 10^3 次函数评估，而其他算法需要 25 x 10^3 次），并且在仿真和迁移到真实机器人平台时完成任务的成功率均为 100%。这些发现突显了我们提出的方法在自动化调优过程方面的潜力，减少了人工干预的需求。
引用
@article{arxiv.2409.18649,
title = {Automatic Gain Tuning for Humanoid Robots Walking Architectures Using Gradient-Free Optimization Techniques},
author = {Carlotta Sartore and Marco Rando and Giulio Romualdi and Cesare Molinari and Lorenzo Rosasco and Daniele Pucci},
journal= {arXiv preprint arXiv:2409.18649},
year = {2024}
}