接触丰富操作中的柔顺性自适应学习
机器人学
2020-05-04 v1 机器学习
摘要
柔顺的机器人行为对于实现接触丰富操作任务至关重要。在此类任务中，既要确保在正常任务执行期间具有高刚度和力跟踪精度，又要能够快速适应并表现出柔顺行为以应对异常情况和变化。本文提出一种新颖方法，用于学习接触丰富任务所需的力曲线预测模型。此类模型能够检测意外情况并有助于更好的自适应控制。该方法结合了基于双向门控循环单元（Bi-GRU）的异常检测与自适应力/阻抗控制器。我们在人形机器人的仿真和真实世界实验中对该方法进行了评估。结果表明，该方法能够在实现期望运动与力曲线高跟踪精度的同时，适应由物理人机交互引起的力扰动。
引用
@article{arxiv.2005.00227,
title = {Learning Compliance Adaptation in Contact-Rich Manipulation},
author = {Jianfeng Gao and You Zhou and Tamim Asfour},
journal= {arXiv preprint arXiv:2005.00227},
year = {2020}
}