差分驱动移动机器人跟踪的灰箱计算扭矩控制
机器人学
2025-09-03 v1 系统与控制
系统与控制
摘要
本研究提出了一种基于学习的非线性算法，用于差分驱动移动机器人的跟踪控制。计算扭矩方法（Computed Torque Method, CTM）因系统参数不准确而受限，而深度强化学习（DRL）算法则因样本效率低且稳定性保证较弱而为人所知。所提方法用灰箱计算扭矩控制器（CTC）取代DRL智能体的黑箱策略网络，以提高样本效率并确保闭环稳定性。该方法能够仅通过少量短暂学习剂集找到任意奖励函数的最优控制器参数。此处采用双延迟深度确定性策略梯度（Twin-Delayed Deep Deterministic Policy Gradient, TD3）算法。此外，对某些控制器参数施加约束，使其落在已知值范围内，确保RL智能体学习物理上合理的值。还施加一种技术手段，以实现临界阻尼的闭环时序响应。评估了该控制器在MuJoCo物理引擎中对差分驱动移动机器人的性能，并与原始CTC和传统运动学控制器进行了比较。
引用
@article{arxiv.2509.00571,
title = {Gray-Box Computed Torque Control for Differential-Drive Mobile Robot Tracking},
author = {Arman Javan Sekhavat Pishkhani},
journal= {arXiv preprint arXiv:2509.00571},
year = {2025}
}