基于有限实时数据的连续操作机器人逆向运动学学习
机器人学
2024-03-28 v1
摘要
数据驱动的连续操作机器人控制需要大量训练数据，但生成足够的实时数据成本较高。随机驱动机器人也可能存在安全风险。元学习已成功用于适应新环境。因此，本文尝试使用元学习解决上述问题。我们考虑两种情况：首先，本文提出一种方法使用米尔福斯(MAML)训练模型的仿真数据，然后进行梯度步骤以适应现实。其次，如果仿真模型不可用或难以建立，则提出一种基于CGAN(条件生成对抗网络)-MAML的方法。该模型使用少量实时数据和增强数据进行训练，以不同负载条件为训练素材，然后在真实环境中进行适应。实验发现，两种方法的位置误差均小于3%。所提出的模型在实际连续操作机器人上进行了实验验证。
引用
@article{arxiv.2403.18456,
title = {Inverse kinematics learning of a continuum manipulator using limited real time data},
author = {Alok Ranjan Sahoo and Pavan Chakraborty},
journal= {arXiv preprint arXiv:2403.18456},
year = {2024}
}