CycleIK:神经启发的逆运动学
机器人学
2023-07-24 v1 人工智能
摘要
本文介绍CycleIK,一种神经机器人方法,封装了两种用于逆运动学(IK)任务的新型神经启发方法:生成对抗网络(GAN)和多层感知机架构。这些方法可以独立使用,但我们也展示了将这些方法嵌入混合神经-遗传IK流水线中可通过序贯最小二乘规划(SLSQP)或遗传算法(GA)实现进一步优化。模型在新神经启发协作者(NICOL)的随机机器人构型所收集的密集数据集上训练和测试,NICOL是一个具有两个冗余8自由度机械臂的半人形机器人。我们利用最先进的BioIK方法的加权多目标函数来支持训练过程和我们的混合神经-遗传架构。我们展示了神经模型可与最先进的IK方法竞争,从而允许直接部署到机器人硬件上。此外,研究表明遗传算法的引入提高了精度,同时减少了总体运行时间。
引用
@article{arxiv.2307.11554,
title = {CycleIK: Neuro-inspired Inverse Kinematics},
author = {Jan-Gerrit Habekost and Erik Strahl and Philipp Allgeuer and Matthias Kerzel and Stefan Wermter},
journal= {arXiv preprint arXiv:2307.11554},
year = {2023}
}
备注
Accepted at ICANN 2023 (32nd International Conference on Artificial Neural Networks)