基于路径积分控制在参数不确定性下的模型泛化
机器人学
2020-06-08 v1
摘要
本工作解决了机器人在复杂环境中需要在线控制与适应的交互问题。通过在路径积分控制的自由能表述中扩展样本空间，我们推导出一种对路径积分控制的自然扩展，该扩展将不确定性嵌入动作中，并为基于模型的机器人规划提供鲁棒性。我们的算法被应用于使用不同机器人的多样化任务，并在仿真与真实世界实验中验证了结果。我们进一步表明，我们的方法能够实时运行且不损失性能。实验视频以及额外的实现细节可在 https://sites.google.com/view/emppi 找到。
引用
@article{arxiv.2006.03106,
title = {Model-Based Generalization Under Parameter Uncertainty Using Path Integral Control},
author = {Ian Abraham and Ankur Handa and Nathan Ratliff and Kendall Lowrey and Todd D. Murphey and Dieter Fox},
journal= {arXiv preprint arXiv:2006.03106},
year = {2020}
}