学习型降阶软体机器人控制器
机器人学
2023-11-06 v1
摘要
由于其高维构型空间，可变形机器人以建模和控制著称地困难。直接轨迹优化受维数灾难之苦且计算成本高，而基于学习的控制器优化方法对超参数调优敏感。为克服这些局限，我们假设高保真软体机器人可通过对低维空间的限制来同时被模拟与控制。在此假设下，我们提出一个两阶段算法来辨识此类模拟空间与控制空间。我们的方法首先辨识出所谓捕获显著变形模式的模拟空间，机器人控制方程被限制于该空间。随后我们辨识出控制空间，控制信号被限制于该空间。我们提出一种多保真黎曼贝叶斯双层优化来辨识任务特定的控制空间。我们表明，对于一个高自由度软体机器人完成行走与游泳任务，控制空间维数可小于，使得低维MPC控制器能以易处理的计算复杂度应用于软体机器人。
引用
@article{arxiv.2311.01720,
title = {Learning Reduced-Order Soft Robot Controller},
author = {Chen Liang and Xifeng Gao and Kui Wu and Zherong Pan},
journal= {arXiv preprint arXiv:2311.01720},
year = {2023}
}