通过最优解微分实现机械臂轨迹对任务扰动的快速自适应
机器人学
2020-11-03 v1
摘要
在末端执行器任务约束下的关节空间轨迹优化是一个具有挑战性的非凸问题。因此，将预先计算的轨迹实时自适应于任务约束中的扰动常常变得难以处理。现有工作使用所谓的轨迹优化热启动来改善计算性能。我们提出了一种根本不同的方法，依赖于推导最优解相对于任务约束参数的解析梯度。该梯度映射刻画了先前的关节轨迹需要变形以符合新任务约束的方向。随后，我们开发了一种迭代线搜索算法来计算变形尺度。我们的算法针对多种任务扰动提供了近实时的关节轨迹自适应，例如（i）受末端执行器方向约束的轨迹的初始与最终关节构型变化，以及（ii）在末端执行器方向约束下末端执行器目标点或路径点的变化。我们将这些例子分别与从示教学习到避障的实时应用相联系。我们还表明，我们的算法生成的轨迹质量与通过热启动初始化从头求解轨迹优化所得者相似。但最重要的是，我们的算法相较后者实现了160倍的最坏情况加速。
引用
@article{arxiv.2011.00488,
title = {Fast Adaptation of Manipulator Trajectories to Task Perturbation By Differentiating through the Optimal Solution},
author = {Shashank Srikanth and Mithun Babu and Houman Masnavi and Arun Kumar Singh and Karl Kruusamäe and K. Madhava Krishna},
journal= {arXiv preprint arXiv:2011.00488},
year = {2020}
}
备注
6+1 pages (last page references)