基于模型的元强化学习用于悬挂载荷飞行
机器人学
2021-02-03 v2 人工智能
机器学习
摘要
运输悬挂载荷对自主飞行器而言具有挑战性，因为载荷会对机器人的动力学造成显著且不可预测的改变。这些改变可能导致次优的飞行性能甚至灾难性故障。尽管自适应控制和基于学习的方法原则上可以适应这些混合机器人-载荷系统的变化，但对具有先验未知物理属性的载荷进行快速飞行中适应仍是一个开放问题。我们提出了一种元学习方法，该方法在连接后飞行数据数秒内“学会如何学习”已改变动力学的模型。我们的实验表明，在一系列具有挑战性的悬挂载荷运输任务中，我们的在线适应方法优于非自适应方法。视频和其他补充材料可在我们的网站获取：https://sites.google.com/view/meta-rl-for-flight
引用
@article{arxiv.2004.11345,
title = {Model-Based Meta-Reinforcement Learning for Flight with Suspended Payloads},
author = {Suneel Belkhale and Rachel Li and Gregory Kahn and Rowan McAllister and Roberto Calandra and Sergey Levine},
journal= {arXiv preprint arXiv:2004.11345},
year = {2021}
}