学习地形与机器人感知的动力学模型以用于自主移动机器人导航
机器人学
2024-09-19 v1 机器学习
摘要
移动机器人应具备为自主导航规划高性价比路径的能力。通常，地形和机器人的属性会发生变化。例如，地形属性（如摩擦力）可能在不同位置有所不同。此外，机器人的属性也可能发生变化，如载荷或磨损（例如导致执行器增益或关节摩擦发生变化）。因此，自主导航方法应能够适应这些变化。在本文中，我们提出了一种学习概率性、地形与机器人感知的正向动力学模型（TRADYN）的新方法，该模型能够适应此类变化，并展示了其在导航中的应用。我们的学习方法扩展了基于神经过程（Neural Processes）的元学习正向动力学模型在移动机器人导航方面的最新进展。我们在仿真环境中评估了该方法，针对具有独轮车动力学特性且属性可变的机器人，在具有空间变化摩擦系数的地形上进行 2D 导航。在我们的实验中，我们证明了与不适应机器人或地形变化的模型消融相比，TRADYN 在长时间跨度上具有更低的预测误差。我们还在模型预测控制框架下以及各种噪声源中评估了我们的模型用于导航规划。我们证明了我们的方法通过考虑机器人和地形属性，在规划控制高效的路径方面取得了更好的性能。
引用
@article{arxiv.2409.11452,
title = {Learning a Terrain- and Robot-Aware Dynamics Model for Autonomous Mobile Robot Navigation},
author = {Jan Achterhold and Suresh Guttikonda and Jens U. Kreber and Haolong Li and Joerg Stueckler},
journal= {arXiv preprint arXiv:2409.11452},
year = {2024}
}
备注
Submitted to Robotics and Autonomous Systems. arXiv admin note: substantial text overlap with arXiv:2307.09206