基于学习的肌腱驱动连续体机械臂控制
机器人学
2025-03-11 v2 系统与控制
系统与控制
摘要
本文提出了一种基于学习的方法，用于肌腱驱动连续体机器人（TDCR）的集中位置控制，采用深度强化学习（DRL），特别关注控制策略的Sim-to-Real迁移。所提出的控制方法采用修正转置雅可比（MTJ）控制策略，其参数使用深度确定性策略梯度（DDPG）算法进行最优调参。经典基于模型的控制器由于连续体机器人的固有不确定性和非线性动力学而面临重大挑战。相比之下，无模型控制策略需要高效的增益调参来处理多样化的操作场景。本研究旨在通过集成最优自适应增益调参系统，开发一种性能可与基于模型策略相媲美的无模型控制器。仿真和实际实现均表明，所提出的方法显著提升了连续体机器人的轨迹跟踪性能，且独立于初始条件和操作任务空间内的路径，有效建立了任务无关控制器。
引用
@article{arxiv.2412.04829,
title = {Learning-based Control for Tendon-Driven Continuum Robotic Arms},
author = {Nima Maghooli and Omid Mahdizadeh and Mohammad Bajelani and S. Ali A. Moosavian},
journal= {arXiv preprint arXiv:2412.04829},
year = {2025}
}