利用具有安全与稳定性保证的 Neural ODE 学习复杂运动规划
机器人学
2025-08-29 v4 系统与控制
系统与控制
摘要
我们提出一种动力系统(DS)方法，利用神经常微分方程(NODE)从示教演示中学习复杂、可能是周期性的运动规划。为确保对扰动的响应性和鲁棒性，我们提出一种新方法，通过结合控制理论工具与所学 NODE 生成的目标轨迹，在每个时间步为机器人选择一个要跟随的目标点。通过对 NODE 模型的修正项在线求解二次规划来计算，该二次规划分别利用控制 Lyapunov 函数和控制障碍函数保证稳定性与安全性。我们的方法在 LASA 手写数据集和复杂周期轨迹上优于基线 DS 学习技术。它还在 Franka Emika 机械臂上得到验证，可生成用于擦拭和搅拌任务（这些任务不具有单一吸引子）的稳定运动，同时对扰动具有鲁棒性，并在人类和障碍物周围保持安全。
引用
@article{arxiv.2308.00186,
title = {Learning Complex Motion Plans using Neural ODEs with Safety and Stability Guarantees},
author = {Farhad Nawaz and Tianyu Li and Nikolai Matni and Nadia Figueroa},
journal= {arXiv preprint arXiv:2308.00186},
year = {2025}
}
备注
accepted to ICRA 2024