基于学习式前向运动动力学与非线性最小二乘优化的高速精确机器人控制
机器人学
2022-08-04 v2 人工智能
机器学习
系统与控制
系统与控制
摘要
在高速下对机器人进行精确控制需要一个能够考虑机器人与环境之间运动动力学相互作用的控制系统。先前关于学习机器人逆运动动力学(IKD)模型的工作已成功捕捉复杂的运动动力学效应。然而，这些方法可适用的控制问题类型仅限于跟踪预先计算的运动学可行轨迹。本文提出 Optim-FKD，一种利用学习式前向运动动力学(FKD)模型与非线性最小二乘优化的新型精确高速机器人控制公式。Optim-FKD 可用于任何可由非线性最小二乘目标指定的控制任务上的精确高速控制。Optim-FKD 能够实时求解路径跟踪与时间最优控制等控制目标，而无需访问预先计算的运动学可行轨迹。我们通过一台十分之一比例的自动驾驶小车实验实证展示了本方法的这些能力。结果表明，与基线方法相比，Optim-FKD 能更精确地跟踪期望轨迹，并能为最优控制问题找到更优解。
引用
@article{arxiv.2206.08487,
title = {High-Speed Accurate Robot Control using Learned Forward Kinodynamics and Non-linear Least Squares Optimization},
author = {Pranav Atreya and Haresh Karnan and Kavan Singh Sikand and Xuesu Xiao and Sadegh Rabiee and Joydeep Biswas},
journal= {arXiv preprint arXiv:2206.08487},
year = {2022}
}
备注
7 pages, 5 figures. In Proceedings of IROS 2022