学习快速精确的像素到力矩控制
机器人学
2022-08-05 v1 系统与控制
系统与控制
摘要
在实地作业中，机器人常需在未知非结构化环境中运行，此时精确感知与状态估计（SE）成为主要挑战。相机已在此类环境的建图与规划以及如抓取等复杂但准静态任务中取得巨大成功，但很少被集成到不稳定系统的控制回路中。学习像素到力矩控制有望使机器人灵活处理更多样化的任务。尽管不存在额外的理论障碍，但为需要精确且高带宽控制的不稳定系统学习像素到力矩控制仍构成显著的实际挑战，且最佳实践尚未确立。为推进关于学习像素到力矩控制实际方面的可复现研究，我们提出了一个可灵活表征从实验室到部署全过程的平台，用于在具有快速不稳定动力学的机器人上学习像素到力矩控制：基于视觉的Furuta摆。该平台可使用现成或定制硬件复现。我们期望该平台能让研究者快速系统地测试不同方法，并复现和基准测试其他实验室的案例研究。我们还给出了在该系统上使用DNNs的首个案例研究，据我们所知，这是首个在更新率快于100 Hz的不稳定系统上学习像素到力矩控制的演示。视频摘要可在 https://youtu.be/S2llScfG-8E 及补充材料中在线查看。
引用
@article{arxiv.2208.02315,
title = {Learning Fast and Precise Pixel-to-Torque Control},
author = {Steffen Bleher and Steve Heim and Sebastian Trimpe},
journal= {arXiv preprint arXiv:2208.02315},
year = {2022}
}
备注
video: https://www.youtube.com/watch?v=S2llScfG-8E 9 pages. Published in Robotics and Automation Magazine