深度学习在刚性接触动力学中的根本性挑战
机器人学
2021-03-30 v1
摘要
摩擦接触作为腿式运动与操作的核心底层行为已被广泛研究，其近乎不连续的性质使得即便在拥有机器人精确模型时，规划与控制也十分困难。在此，我们给出经验证据：由于现代深度学习方法并非为捕捉这种非光滑性而设计，首先学习一个精确模型就可能被接触所困扰。我们通过调节柔顺接触仿真器的机械刚度，隔离了接触非光滑性的影响。即便对于一个简单系统，我们发现仅刚度就会剧烈恶化训练过程、泛化能力与数据效率。我们的结果对未准确反映刚性机器人硬件刚度的仿真测试环境提出了严重质疑。要充分理解并缓解这些影响，还需大量额外研究，我们提出了若干未来研究的途径。
引用
@article{arxiv.2103.15406,
title = {Fundamental Challenges in Deep Learning for Stiff Contact Dynamics},
author = {Mihir Parmar and Mathew Halm and Michael Posa},
journal= {arXiv preprint arXiv:2103.15406},
year = {2021}
}