基于可行域的辨识方法及其对偶性（扩展版）
机器人学
2020-11-11 v1 最优化与控制
摘要
我们考虑在多机器人系统中估计代表单个机器人所执行任务的参数边界的问题。在我们之前的工作中，我们基于持续激励分析推导了精确辨识这些参数的必要条件。我们得出结论：取决于机器人的任务，单个机器人的动力学可能不满足这些条件，从而阻止精确推断。作为该工作的扩展，本文关注当此类条件不被满足时估计任务参数的边界。团队中每个机器人使用基于优化的控制器来协调任务完成与避碰。我们利用该优化的 KKT 条件和主动避碰约束的 SVD，推导了拉格朗日乘子、机器人动力学与任务参数之间的显式关系。利用这些关系，我们能够推导每个机器人任务参数的边界。通过数值仿真，我们展示了当诸如 UKF 这样的常规估计器失效时，我们提出的基于区域的辨识方法如何生成参数的可行域。此外，经验证据表明，该方法生成的收缩集比基于 UKF 的估计收敛到真实参数的速度快得多。这些结果的视频可在 https://bit.ly/2JDMgeJ 获取。
引用
@article{arxiv.2011.04904,
title = {Feasible Region-based Identification Using Duality (Extended Version)},
author = {Jaskaran Grover and Changliu Liu and Katia Sycara},
journal= {arXiv preprint arXiv:2011.04904},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:2009.13817