面向TensorFlow 2的可微正向运动学
机器人学
2023-03-13 v2 软件工程
摘要
机器人系统通常复杂且依赖于大量软件组件的集成。机器人系统中的一个重要组件提供正向运动学计算，这是运动规划与感知相关组件都需要的。基于深度学习的端到端学习系统需要跨组件边界传递梯度。典型的正向运动学软件实现不可微，从而阻碍了基于梯度的端到端学习系统的构建。本文中我们提出一个兼容ROS-URDF的库，其在计算正向运动学的同时提供关于关节构型与模型参数的梯度，支持基于梯度的学习与模型辨识。我们的Python库基于Tensorflow~2且可自动微分。它支持在GPU上并行计算大量运动学构型，相比顺序的基于CPU的计算带来显著性能提升。https://github.com/lumoe/dlkinematics.git
引用
@article{arxiv.2301.09954,
title = {Differentiable Forward Kinematics for TensorFlow 2},
author = {Lukas Mölschl and Jakob J. Hollenstein and Justus Piater},
journal= {arXiv preprint arXiv:2301.09954},
year = {2023}
}