基于高斯过程的欠驱动平衡机器人学习控制：具有外部和内部可转换建模结构
机器人学
2023-12-19 v1 系统与控制
系统与控制
摘要
基于外部和内部可转换（EIC）形式的运动控制是欠驱动平衡机器人同时实现轨迹跟踪和平衡的有效设计之一。然而，在某些条件下，基于EIC的控制设计会导致机器人运动失控。我们提出了一种基于高斯过程（GP）的数据驱动学习控制方法，用于具有EIC建模结构的欠驱动平衡机器人。利用EIC结构特性，提出了两种基于GP的学习控制器。部分EIC（PEIC）控制设计将机器人动力学划分为一个完全驱动子系统和一个降阶欠驱动系统。零空间EIC（NEIC）控制设计补偿了子空间中的失控运动，而其他闭环动力学不受影响。在PEIC和NEIC基础上，跟踪和平衡任务得到保证，收敛速度和有界误差得以实现，而不会引起原始EIC控制导致的任何失控运动。我们使用两个倒立摆平台验证了结果并展示了基于GP的学习控制设计性能。
引用
@article{arxiv.2312.10155,
title = {Gaussian Process-Based Learning Control of Underactuated Balance Robots with an External and Internal Convertible Modeling Structure},
author = {Feng Han and Jingang Yi},
journal= {arXiv preprint arXiv:2312.10155},
year = {2023}
}