DDPEN：基于子目标生成模型的轨迹优化
机器人学
2023-01-19 v1 机器学习
摘要
微分动态规划（DDP）是一种被广泛使用且强大的轨迹优化技术，然而由于其内部结构，它无法免于局部极小。在本文中，我们提出带逃逸网络的微分动态规划（DDPEN）——一种通过利用优化准则中指向机器人应移动以逃离局部极小的方向的附加项来避免 DDP 局部极小的新方法。为生成上述方向，我们提出采用一个深度模型，以代价地图形式的环境地图与期望目标位置作为输入。该模型生成可通向目标并避免局部极小的可能未来方向，可在实时条件下运行。模型在合成数据集上训练，整个系统在 Gazebo 模拟器中评估。本工作表明，我们所提方法能够避免轨迹优化算法的局部极小，并成功执行一条长 278 m、含多种凸与非凸障碍物的轨迹。
引用
@article{arxiv.2301.07433,
title = {DDPEN: Trajectory Optimisation With Sub Goal Generation Model},
author = {Aleksander Gamayunov and Aleksey Postnikov and Gonzalo Ferrer},
journal= {arXiv preprint arXiv:2301.07433},
year = {2023}
}
备注
4 pages, 6 figures, IROS2022 Workshop: Artificial Intelligence for Social Robots Interacting with Humans in the Real World [intellect4hri]