面向自主富岩挖掘的工具感知自适应合规控制学习

自主富岩挖掘是维持人类在地球之外持续存在的原位资源利用基石，但该任务因粒状介质的复杂相互作用动力学以及机器人使用多样化工具的运营需求而面临根本性挑战。为此，本工作引入了一个框架，让基于模型的强化学习智能体在并行化仿真环境中学习。该环境利用高保真粒子物理和程序化生成技术，创建出广泛的月球地形和挖掘工具几何分布。为掌握这种多样性，智能体通过在每个控制步骤动态调节自身的刚度和阻尼，学习自适应的相互作用策略。我们的实验表明，使用工具的程序化分布进行训练对于泛化至关重要，并且能够发展出精细的工具感知行为。此外，我们展示了通过增强视觉反馈可显著提高任务成功率。这些结果代表了为未来太空任务所需的稳健且多功能自主系统奠定基础任务开发的验证方法。