基于深度强化学习的关节空间控制
机器人学
2021-08-23 v2
摘要
控制机械臂的主流方法是利用某种形式的逆运动学/动力学，使用手工微分方程。我们提出了一种简单、通用的关节级控制器，完全摒弃微分方程。一个通过无模型强化学习训练的深度神经网络被用于从任务空间映射到关节空间。实验表明，该方法能够达到与传统方法相近的误差，同时通过自动处理冗余、关节限位和加减速曲线，极大简化了过程。基本技术通过向网络输入添加最近障碍物的信息得以扩展以避开障碍物。结果在仿真中以及通过所学策略的仿真到真实迁移在真实机器人上均得到展示。我们表明，通过适量的训练，在仿真和真实世界中均有可能达到亚厘米级精度。
引用
@article{arxiv.2011.06332,
title = {Joint Space Control via Deep Reinforcement Learning},
author = {Visak Kumar and David Hoeller and Balakumar Sundaralingam and Jonathan Tremblay and Stan Birchfield},
journal= {arXiv preprint arXiv:2011.06332},
year = {2021}
}
备注
Presented at IROS 2021. Video is at https://youtu.be/ICfve-GTTp8