面向高精度机器人任务的局部轨迹学习：在KUKA LBR iiwa笛卡尔定位中的应用
人工智能
2017-01-09 v1 机器学习
机器人学
摘要
为简化工业中机器人学习的发展，需要满足两个条件。机械臂必须能够学习高精度和精密任务，同时对工厂工人安全。本文中，我们扩展了先前提交的工作，其包含局部高精度行为的快速学习。通过探索和回归，分别针对动力学和代价函数学习线性和二次模型。迭代线性二次高斯调节器与代价二次回归相结合，由于代价函数建模相当精确，可在最后阶段快速收敛到高精度行为。本文中，在该框架内实现了一种不同的代价函数和一种二阶改进方法。我们还通过针对定位任务的仿真提出了算法参数分析。最后，在KUKA LBR iiwa机器人上进行了实验验证。该协作机器人机械臂可轻松编程至安全模式，这使其符合上述第二个工业约束条件。
引用
@article{arxiv.1701.01497,
title = {Learning local trajectories for high precision robotic tasks : application to KUKA LBR iiwa Cartesian positioning},
author = {Joris Guerin and Olivier Gibaru and Eric Nyiri and Stephane Thiery},
journal= {arXiv preprint arXiv:1701.01497},
year = {2017}
}
备注
6 pages, double column, 6 figures and one table. Published in: Industrial Electronics Society , IECON 2016 - 42nd Annual Conference of the IEEE