基于用户偏好学习双足行走机器人控制器增益

复杂机器人行为的实验演示严重依赖于找到正确的控制器增益。这一艰苦的过程通常由领域专家完成，需要深入了解参数值与系统所产生行为之间的关系。即使具备此类知识，在可能的参数组合的非直观空间中导航也可能需要大量努力。在这项工作中，我们探索了基于偏好的学习在多大程度上可用于通过反复查询用户偏好来在线优化控制器增益。这一通用方法被应用于两种基于控制李雅普诺夫函数并表述为二次规划的非线性控制器变体，它们提供理论保证但在实践中难以实现。这些控制器在平面欠驱动双足机器人AMBER和3D欠驱动双足机器人Cassie上均成功演示。我们通过实验评估了所学控制器的性能，并表明所提出的方法可重复地学习到能产生稳定且鲁棒运动的增益。