觅食 CyberOctopus 的分层控制与学习
机器人学
2023-02-14 v1 系统与控制
系统与控制
摘要
受章鱼独特神经生理学的启发，我们提出一种分层框架，通过将控制分解为高层决策、低层运动激活以及基于感官反馈的局部反射行为，简化多条软臂的协调。在模型章鱼觅食的示例问题中评估时，该分层分解相较端到端方法取得显著改进。性能通过混合模式方法实现，即定性不同的任务由互补的控制方案处理。此处，无模型强化学习用于高层决策，而基于模型的能量整形负责臂级运动执行。为使该配对在计算上可行，我们开发了新颖的神经网络能量整形（NN-ES）控制器，以比先前尝试快 200 倍的解算时间实现精确运动。我们的分层框架随后成功部署于日益困难的觅食场景，包括布满三维空间障碍的场地，证明了方法的可行性。
引用
@article{arxiv.2302.05811,
title = {Hierarchical control and learning of a foraging CyberOctopus},
author = {Chia-Hsien Shih and Noel Naughton and Udit Halder and Heng-Sheng Chang and Seung Hyun Kim and Rhanor Gillette and Prashant G. Mehta and Mattia Gazzola},
journal= {arXiv preprint arXiv:2302.05811},
year = {2023}
}
备注
16 pages, 7 figures