设计带数据驱动 McCormick 包络松弛的多阶段耦合凸规划用于运动规划
机器人学
2021-09-15 v1
摘要
对于多肢机器人，带姿态与力约束的运动规划由于非线性往往是一个困难的优化问题，这也导致求解时间延长。我们提出一种带数据驱动阶段间耦合约束的多阶段优化框架以解决该非线性。我们采用聚类和进化方法来寻找 McCormick 包络松弛，以发现问题特定参数。随后将学到的约束用于先前阶段，从而提供后续阶段的先验知识。这带来了求解时间的改善与结果的可解释性。该规划器通过在 10 kg 六足机器人上的多个行走与攀爬任务得到验证。
引用
@article{arxiv.2109.06516,
title = {Designing Multi-Stage Coupled Convex Programming with Data-Driven McCormick Envelope Relaxations for Motion Planning},
author = {Xuan Lin and Min Sung Ahn and Dennis Hong},
journal= {arXiv preprint arXiv:2109.06516},
year = {2021}
}