基于单步未来预测学习式两阶段模型的柔性关节机械臂轨迹跟踪
机器人学
2021-12-07 v1
摘要
柔性关节机械臂常用于人机协作和共享工作空间任务中以提高安全性。然而，关节柔性显著降低了运动精度，尤其是在高速度和采用廉价执行器时。本文提出一种基于学习的方法来辨识柔性关节机械臂的未知动力学并改善高速下的轨迹跟踪。我们提出一个两阶段模型，由单步前向动力学未来预测器和逆动力学估计器组成。第二部分基于线性时不变动力学算子来近似前馈关节位置与速度指令。我们在真实世界数据上端到端训练该模型，并在 Baxter 机器人上进行评估。我们的实验表明，与无预测的同模型相比，用单步未来状态预测增强输入可提升性能。我们将关节位置、关节速度和末端执行器位置跟踪精度与经典基线控制器及若干更简单的模型进行比较。
引用
@article{arxiv.2112.02979,
title = {Flexible-Joint Manipulator Trajectory Tracking with Learned Two-Stage Model employing One-Step Future Prediction},
author = {Dmytro Pavlichenko and Sven Behnke},
journal= {arXiv preprint arXiv:2112.02979},
year = {2021}
}