利用并行时间积分融合粗粒与精细物理进行操纵
机器人学
2022-03-02 v2
摘要
我们提出一种在非抓取式操纵规划与控制中快速且准确的基于物理的预测方法。给定初始状态和一串控制量，预测所得状态序列的问题是基于模型的规划与控制算法的关键组成部分。我们提出将粗粒（即计算廉价但不很准确）预测物理模型与精细（即计算昂贵但准确）预测物理模型相结合，以生成在给定操纵任务所需速度与精度上的混合模型。我们的方法基于 Parareal 算法，一种用于计算一般常微分方程组数值解的并行时间积分方法。我们调整 Parareal 以将粗粒推动模型与现成物理引擎结合，从而提供与物理引擎同样准确但因跨时间并行化而大幅缩短挂钟时间的基于物理的预测。我们在基于轨迹优化的模型预测控制框架中使用这些基于物理的预测，以规划避开障碍并到达目标位置的推动动作。我们表明，使用混合物理模型，我们可达到与使用现成物理引擎直接规划的规划器相同的成功率，但显著更快。我们给出了仿真和真实机器人平台上的实验。视频见：https://youtu.be/5e9oTeu4JOU
引用
@article{arxiv.1903.08470,
title = {Combining Coarse and Fine Physics for Manipulation using Parallel-in-Time Integration},
author = {Wisdom C. Agboh and Daniel Ruprecht and Mehmet R. Dogar},
journal= {arXiv preprint arXiv:1903.08470},
year = {2022}
}
备注
International Symposium on Robotics Research (ISRR), 2019