面向局部各向同性机器人运动的时序逆动力学模型混合学习
机器人学
2022-12-07 v3 系统与控制
系统与控制
摘要
力控制与运动规划应用常依赖逆动力学模型来表示机器人运动过程中的高维动态行为。低速、小尺度、局部各向同性运动(LIMO)的广泛存在通常因复杂摩擦与迟滞现象(如关节弹性相关者)放大动态效应与传感扰动,而使适当模型的辨识复杂化。我们提出一种混合模型学习基础架构,结合由参数回归辨识的刚体动力学模型,以及基于多层感知机、LSTM 与 Transformer 拓扑的时序神经网络架构。此外,我们引入新颖的关节级旋转历史编码,强化时间信息以有效建模动态迟滞。这些模型在 KUKA iiwa 14 上以算法生成的局部各向同性运动进行评估。结合旋转编码,所提架构以 10 的数量级优于最先进基线,取得 0.14 Nm 的 RMSE。借助混合结构与时序编码能力,我们的方法可实现精确力矩估计,表明其在常规逆动力学模型能力之外的、对力高度敏感的运动序列中的适用性,同时在数据稀缺下保持可训练性,并因所采用的物理模型先验而具可解释性。
引用
@article{arxiv.2211.12921,
title = {Hybrid Learning of Time-Series Inverse Dynamics Models for Locally Isotropic Robot Motion},
author = {Tolga-Can Çallar and Sven Böttger},
journal= {arXiv preprint arXiv:2211.12921},
year = {2022}
}
备注
Accepted for publication in IEEE Robotics and Automation Letters ( see https://ieeexplore.ieee.org/document/9954138 ). 8 pages, 8 figures