基于学习的地形与机器人感知动力学模型的上下文条件导航
机器人学
2024-10-08 v3 机器学习
摘要
在自主导航设定中，若干量可能发生变化。地形属性（如摩擦系数）可能随机器人位置随时间变化。此外，机器人的动力学可能因例如不同有效载荷改变系统质量，或磨损改变执行器增益或关节摩擦而发生变化。因此自主智能体应能够适应此类变化。本文中，我们开发了一种新颖的、感知地形与机器人的概率前向动力学模型，称为 TRADYN，其能够适应上述变化。它基于近期基于神经过程（Neural Processes）的元学习前向动力学模型的进展。我们在一个模拟的二维导航设定中评估了我们的方法，该设定使用类独轮车机器人以及具有空间变化摩擦系数的不同地形布局。在我们的实验中，所提模型在长时域轨迹预测任务上相比非自适应消融模型表现出更低的预测误差。我们还在下游导航规划任务上评估了我们的模型，其通过考虑机器人与地形属性，在规划控制高效路径方面展现出改进的性能。
引用
@article{arxiv.2307.09206,
title = {Context-Conditional Navigation with a Learning-Based Terrain- and Robot-Aware Dynamics Model},
author = {Suresh Guttikonda and Jan Achterhold and Haolong Li and Joschka Boedecker and Joerg Stueckler},
journal= {arXiv preprint arXiv:2307.09206},
year = {2024}
}
备注
\copyright 2023 IEEE. Accepted for publication in European Conference on Mobile Robots (ECMR), 2023. Version including corrections (see p. 8)