面向空间机械臂自主轨迹学习的模仿学习
机器人学
2020-08-11 v1 人工智能
机器学习
摘要
本工作是对为空间机器人提供更多自主性的持续努力的补充。此处使用示范编程或模仿学习的概念，用于安装在小型航天器上的机械臂的轨迹规划。为在未来空间任务中实现更高自主性并通过地面控制实现最小人工干预，设想使用具有 7 自由度(DoF)的机械臂来执行碎片清除、在轨服务和装配等多项任务。由于微重力环境的实际硬件实现极其昂贵，轨迹学习的示范数据是使用基于物理的模拟器中的模型预测控制器(MPC)生成的。随后数据由概率运动基元(ProMPs)紧凑编码。这种离线轨迹学习允许更快的复现，并避免了在空间环境部署后进行任何计算昂贵的优化。结果表明，通过对分布进行条件化，该概率分布可用于生成针对先前未见过情形的轨迹。机器人(或机械臂)的运动对航天器中心体产生反作用力，从而其姿态发生变化，促使姿态确定与控制系统(ADCS)采取大量纠正动作，耗尽系统能量。拥有冗余自由度的机械臂有助于从相同起点到相同目标找到若干可能轨迹。这使得 ProMP 轨迹生成器能够采样出无碰撞且姿态扰动最小的轨迹，从而减轻 ADCS 的负载。
引用
@article{arxiv.2008.04007,
title = {Imitation Learning for Autonomous Trajectory Learning of Robot Arms in Space},
author = {RB Ashith Shyam and Zhou Hao and Umberto Montanaro and Gerhard Neumann},
journal= {arXiv preprint arXiv:2008.04007},
year = {2020}
}