通过李雅普诺夫函数学习生成稳定且无碰撞的策略
机器人学
2022-11-17 v1
摘要
对快速可靠机器人部署的需求正在上升。模仿学习（IL）因能从一组示范中生成运动规划策略而变得流行。然而，许多 IL 方法不能保证生成稳定策略。生成的策略可能不收敛到机器人目标，降低可靠性，并可能与其环境发生碰撞，降低系统安全性。动态系统稳定估计器（SEDS）通过在学习中约束李雅普诺夫稳定性判据来生成稳定策略，但李雅普诺夫候选函数须手动选择。在本工作中，我们提出一种使用单一神经网络模型学习李雅普诺夫函数和策略的新方法。该方法可配备用于凸物体对的避障模块以保证无碰撞。我们证明了我们的方法能够在多个仿真环境中找到策略并迁移到真实场景。
引用
@article{arxiv.2211.08976,
title = {Generating Stable and Collision-Free Policies through Lyapunov Function Learning},
author = {Alexandre Coulombe and Hsiu-Chin Lin},
journal= {arXiv preprint arXiv:2211.08976},
year = {2022}
}
备注
7 pages, 11 figures, submitted to the International Conference on Robotics and Automation (2023)