基于混合贝叶斯轨迹优化的运动规划

腿式系统的运动规划需要对合适的接触序列进行推理。接触序列与时刻构成混合动力系统，并规定了可实现运动的子集。最先进的方法将运动规划建模为最优控制问题。为降低计算复杂度，一种常见策略将足步规划与运动优化分离，并使用启发式方法规划接触。本文提出利用贝叶斯优化从高阶任务描述符中学习接触序列选择。我们定义了一种双层优化，其中高斯过程模型预测由运动规划非线性规划生成的轨迹性能。因此，智能体保留了推理合适接触序列的能力，同时避免显式计算相应梯度。我们以一般形式描述该算法，并给出单腿跳跃规划的结果。我们的方法能够学习与人类直觉一致的接触序列转移，在预测任务适宜接触序列方面与启发式基线相比具有竞争力。