结合参数辨识与轨迹优化：面向信息增益的实时规划
机器人学
2019-06-10 v1
摘要
机器人系统常在其动力学中存在不确定性，例如未知的惯性属性。广义而言，控制不确定系统有两类方法：不顾不确定性设计鲁棒控制器，或在尝试控制前先刻画系统。本文提出一种中间路线，在取得轨迹进展的同时考虑获取关于系统的信息。更具体地，它将通常旨在为估计器优化信息增益的激励轨迹与目标驱动的轨迹优化度量相结合。为此，在实时规划框架中引入信息增益度量（使用费希尔信息矩阵）以生成利于估计的轨迹。同时，规划器从估计器接收稳定的参数更新，增强系统模型。这种边走边学方法的实现利用了无迹卡尔曼滤波器（UKF）与非线性模型预测控制器（NMPC），并在仿真中演示。给出了系统中含与不含信息增益及在线参数更新的结果。
引用
@article{arxiv.1906.02758,
title = {Combining Parameter Identification and Trajectory Optimization: Real-time Planning for Information Gain},
author = {Keenan Albee and Monica Ekal and Rodrigo Ventura and Richard Linares},
journal= {arXiv preprint arXiv:1906.02758},
year = {2019}
}