机器人学中基于虚拟能量罐的被动策略学习

在机器人背景下，我们融合基于无源性的控制（PBC）与强化学习（RL）技术，旨在消除二者各自的弱点，并在所得框架中引入新颖且有前景的特性。我们将贡献定位于通过虚拟能量罐实现 PBC 的场景，虚拟能量罐是一种为任意控制输入实现闭环无源性的控制技术。尽管后一结果被大量使用，我们讨论了为何其现阶段实际应用仍相当有限，这与广为争议的主张——即基于无源性的技术伴随性能损失——相呼应。RL 的使用使我们能够学习一种可利用能量罐架构被动化的控制策略，结合了学习方法的通用性与因能量罐可推导的系统理论性质。仿真展示了方法的有效性，以及能量感知机器人学中新颖有趣的研究方向。