基于雅可比矩阵且通过学习的软体机器人Sim-to-Real迁移的高效逆运动学求解
机器人学
2022-06-07 v5
摘要
本文提出了一种高效的基于学习的方法，用于求解具有高度非线性形变的软体机器人的逆运动学（IK）问题。对此类机器人高效计算IK的主要挑战在于缺乏正向或逆向运动学的解析表达式。为应对这一挑战，我们采用神经网络同时学习正向运动学的映射函数及其雅可比矩阵。因此，可应用基于雅可比矩阵的迭代来求解IK问题。我们采用了sim-to-real训练迁移策略以使该方法更具实用性。我们首先在仿真环境中生成大量样本，用于学习某软体机器人设计的正运动学网络与雅可比网络。此后，采用一层可微神经元的sim-to-real层将仿真结果映射到物理硬件，该sim-to-real层可从硬件上生成的极少量训练样本中学习得到。我们的方法已在气动驱动软体机器人的路径跟随与交互定位中得到验证。
引用
@article{arxiv.2012.13965,
title = {Efficient Jacobian-Based Inverse Kinematics with Sim-to-Real Transfer of Soft Robots by Learning},
author = {Guoxin Fang and Yingjun Tian and Zhi-Xin Yang and Jo M. P. Geraedts and Charlie C. L. Wang},
journal= {arXiv preprint arXiv:2012.13965},
year = {2022}
}