基于强化学习并结合动作反馈的冗余液压操作机构自主控制
机器人学
2025-04-23 v1
摘要
本文提出一种完全数据驱动的冗余液压操作机构自主控制方法。该方法仅需仿真模型中最基本的系统信息。通过对人工操作期间收集的数据构建执行器网络，建模液压执行的非线性动力学，以有效模拟真实系统。随后基于末端执行器位置跟踪，使用带 Ornstein-Uhlenbeck 过程噪声的强化学习（RL）学习自主控制的神经网络控制策略。RL 智能体还接收基于正向运动学监督学习的反馈，以有效选择探索中最佳动作。控制策略直接输出关节变量，考虑系统动力学后映射至液压阀门指令，无需进一步修正。该方法在三自由度、一prismatic 关节的比例液压前叉起重机上实现，实现对末端执行器三维空间位置的跟踪。仿真中的经典动力学与广泛学习表明，所学习的控制器可直接部署于真实系统中。
引用
@article{arxiv.2504.15714,
title = {Autonomous Control of Redundant Hydraulic Manipulator Using Reinforcement Learning with Action Feedback},
author = {Rohit Dhakate and Christian Brommer and Christoph Böhm and Stephan Weiss and Jan Steinbrener},
journal= {arXiv preprint arXiv:2504.15714},
year = {2025}
}
备注
8 pages, 15 figures, Published at International Conference on Intelligent Robots and Systems (IROS - Kyoto, Japan, 2022)