面向冗余机器人的堆叠任务管理学习
机器人学
2025-12-24 v2 系统与控制
系统与控制
摘要
本文提出了一种用于自动学习冗余机器人系统完整堆叠任务（Stack-of-Tasks, SoT）控制器的新框架，包括任务优先级、激活逻辑和控制参数。不同于经典SoT管道——其中任务层次结构需手动定义和调优——本方法直接从用户指定的代价函数中优化完整的SoT结构，代价函数编码了如安全性、精确度、操作性或执行速度等直观偏好。该方法将遗传编程与仿真评估相结合，以探索控制器的离散（优先级顺序、任务激活）和连续（增益、轨迹持续时间）组成部分。我们在双臂移动机械臂（ABB mobile-YuMi研究平台）上进行验证，展示了在多种代价定义下稳健的收敛、自动抑制无关任务以及对干扰物的强大鲁棒性。所学得的SoT表现出专家式的层次结构，能够自然适应多目标权衡。重要的是，所有控制器都能从Gazebo仿真成功迁移到实际机器人，实现无需额外调校的安全和精确运动。实验在静态和动态环境中表明，能够可靠地实现障碍物规避、高跟踪精度以及在人群存在时的可预测行为。该方法为手动SoT设计提供了可解释且可扩展的替代方案，使能够快速、用户驱动地为复杂机器人系统生成任务执行层次结构。
引用
@article{arxiv.2508.10780,
title = {Learning Stack-of-Tasks Management for Redundant Robots},
author = {Alessandro Adami and Aris Synodinos and Matteo Iovino and Ruggero Carli and Pietro Falco},
journal= {arXiv preprint arXiv:2508.10780},
year = {2025}
}