基于深度神经网络在约束流形上的快速运动动力学规划
机器人学
2023-01-13 v2 人工智能
摘要
运动规划是机器人学中一个成熟的研究领域，许多基于优化或状态空间采样、适用于运动学运动规划的成熟方法已建立。然而，当需要约束下的动态运动且计算时间受限时，约束流形上的快速运动动力学规划不可或缺。近年来，基于学习的方案已成为经典方法的替代，但它们仍缺乏对复杂约束的全面处理，例如在考虑机器人动力学的同时于任务空间的低维流形上规划。本文引入一种新颖的学习规划框架，其利用约束流形（含动力学）与神经规划方法的概念。我们的方法生成满足任意约束集的规划，并以极短恒定时间（即神经网络的推理时间）计算之。这使得机器人能够反应式地规划与重规划，令我们的方法适用于动态环境。我们在两个仿真任务及一个严苛的真实场景中对方法进行了验证，其中我们使用 Kuka LBR Iiwa 14 机械臂在机器人空气曲棍球中执行击打动作。
引用
@article{arxiv.2301.04330,
title = {Fast Kinodynamic Planning on the Constraint Manifold with Deep Neural Networks},
author = {Piotr Kicki and Puze Liu and Davide Tateo and Haitham Bou-Ammar and Krzysztof Walas and Piotr Skrzypczyński and Jan Peters},
journal= {arXiv preprint arXiv:2301.04330},
year = {2023}
}