基于可变光滑接触模型与逐次凸化的接触隐式轨迹优化
机器人学
2020-06-11 v2
摘要
本文提出一种基于可变光滑接触模型（VSCM）与逐次凸化（SCvx）的接触隐式轨迹优化（CITO）方法。VSCM在不损害物理保真度的前提下促进基于梯度的优化收敛。另一方面，所提出的基于SCvx的方法结合了CITO的直接法与打靶法的优点。为进行评估，我们考虑非抓取操作任务。所提方法在平面示例上与基于迭代线性二次调节器（iLQR）的版本进行比较。结果表明，由于VSCM，两种方法均能在无有效初始猜测的情况下找到完成任务的物理一致运动。所提出的基于SCvx的方法在收敛性、计算时间和所发现运动的质量方面优于基于iLQR的方法。最后，所提出的基于SCvx的方法在标准机器人平台上进行测试，并证明可高效用于现实世界应用。
引用
@article{arxiv.1810.10462,
title = {Contact-Implicit Trajectory Optimization Based on a Variable Smooth Contact Model and Successive Convexification},
author = {Aykut Ozgun Onol and Philip Long and Taskin Padir},
journal= {arXiv preprint arXiv:1810.10462},
year = {2020}
}
备注
Accepted for publication in ICRA 2019