学习控制肌肉机器人上的高速弹道运动

高速和高加速度运动本质上难以控制。将学习应用于拟人机器人手臂此类运动的控制可提高控制精度，但可能损坏系统。学习方法固有的探索性可能导致不稳定以及机器人以高速达到关节极限。因此，拥有能够安全探索高速和高加速度运动的硬件是可取的。为解决此问题，我们提议使用由气动人工肌肉（PAMs）驱动的机器人。本文提出一种四自由度（DoFs）机器人手臂，其关节角加速度高达 28000 deg/s^2，同时由于拮抗驱动和对气压范围的限制而避免了危险的关节极限。借助该机器人手臂，我们能够在硬件上直接使用贝叶斯优化调节控制参数，无需额外安全考量。在快速轨迹上实现的跟踪性能超越了先前可比 PAM 驱动机器人的结果。我们还表明，由于细致的构造考量（如电缆最小弯曲、轻量运动学以及 PAM 之间及 PAM 与连杆之间最小接触），我们的系统在慢速轨迹上可由 PID 控制器良好控制。最后，我们提出一种控制拮抗肌肉对共同收缩的新技术。实验结果表明，选择最优共同收缩水平对获得更好跟踪性能至关重要。通过使用 PAM 驱动机器人和学习，我们朝未来开发能实现更类人运动的机器人迈出了小小一步。