通过随机平滑实现接触问题中捆绑梯度的方法
机器人学
2022-01-25 v3
摘要
在接触规划强化学习中无导数方法的经验性成功，似乎与这些领域中经典基于梯度的优化方法公认的脆弱性相矛盾。是什么导致了这一差距，我们又能如何利用答案改进基于梯度的方法？我们认为动力学的一种随机表述是一个关键要素。我们利用随机平滑的工具来分析基于采样的梯度近似，并通过梯度束对这种近似进行形式化。我们表明，使用梯度束代替梯度，可缓解由隐式时间步进或罚方法建模的非光滑接触动力学的快速变化梯度。最后，我们将梯度束应用于使用 iLQR 的最优控制，引入了一种相较使用精确梯度能改善收敛性的新算法。将我们的算法与接触问题的凸隐式时间步进表述相结合，我们表明可以切实地处理操作中的穿透接触规划问题。
引用
@article{arxiv.2109.05143,
title = {Bundled Gradients through Contact via Randomized Smoothing},
author = {H. J. Terry Suh and Tao Pang and Russ Tedrake},
journal= {arXiv preprint arXiv:2109.05143},
year = {2022}
}
备注
The first two authors contributed equally. Accepted to Robotics and Automation Letters (RA-L)