基于深度强化学习的新型闭链五杆主动悬架的自主控制
机器人学
2024-07-08 v3 人工智能
摘要
行星探索需要在崎岖地形上进行遍历。此外，火星车和其他行星探索机器人常常携带敏感的科学实验器件，这些器件必须受到机械损伤的保护。本文关注一种主动悬架系统，旨在实现底盘稳定和在遇到不可避免障碍物时进行高效遍历。应用了软演员-评论家（SAC）算法结合比例积分微分（PID）控制，以稳定底盘并在低速度下遍历大型障碍物。该模型利用机器人与周围障碍物之间的距离、障碍物高度以及底盘姿态来驱动悬架的控制连杆。通过Gazebo仿真环境进行仿真，以验证所提出的主动系统。
引用
@article{arxiv.2406.18899,
title = {Autonomous Control of a Novel Closed Chain Five Bar Active Suspension via Deep Reinforcement Learning},
author = {Nishesh Singh and Sidharth Ramesh and Abhishek Shankar and Jyotishka Duttagupta and Leander Stephen D'Souza and Sanjay Singh},
journal= {arXiv preprint arXiv:2406.18899},
year = {2024}
}
备注
15 pages, 11 figures