基于深度强化学习的柔性机械臂运动规划与偏微分方程控制
机器人学
2025-06-11 v1 系统与控制
系统与控制
摘要
本文提出了一种面向柔性机械臂的运动规划与控制框架，将深度强化学习(DRL)与非线性偏微分方程(PDE)控制器相结合。与仅关注控制的传统方法不同，我们证明期望轨迹对末端振动有显著影响。为此，采用软演员-评论家(SAC)算法训练的DRL运动规划器生成能够自然最小化振动的优化轨迹。PDE非线性控制器随后计算所需力矩以跟踪规划轨迹，同时利用李雅普诺夫分析确保闭环稳定性。该方法通过仿真和真实实验进行了验证，结果表明其在振动抑制和跟踪精度方面优于传统方法。结果强调了将基于学习的运动规划与基于模型的控制相结合，以提升柔性机械臂的精度和稳定性的潜力。
引用
@article{arxiv.2506.08639,
title = {Deep Reinforcement Learning-Based Motion Planning and PDE Control for Flexible Manipulators},
author = {Amir Hossein Barjini and Seyed Adel Alizadeh Kolagar and Sadeq Yaqubi and Jouni Mattila},
journal= {arXiv preprint arXiv:2506.08639},
year = {2025}
}