机器人切食物任务的动力学建模与学习
机器人学
2020-03-23 v1
摘要
用于建模富含接触任务的 data-driven 方法解决了分析模型所面临的许多困难。对于真实场景，硬件能力限制了可用的测量，并因此限制了问题建模的每一步。在这项工作中，我们提出了一种表述，封装了用于富含接触的食物切割任务的基线控制器的知识。基于该表述，我们采用深度网络在模型预测控制器内对动力学进行建模。我们设计了一种基于课程训练与学习率衰减的多步预测训练过程，这对于滚动时域控制至关重要。实验结果表明，即使使用简单的架构，我们的模型在已知和未知物体类别上都能持续获得良好的预测性能，并展现出对长期动力学的良好理解。
引用
@article{arxiv.2003.09179,
title = {Modelling and Learning Dynamics for Robotic Food-Cutting},
author = {Ioanna Mitsioni and Yiannis Karayiannidis and Danica Kragic},
journal= {arXiv preprint arXiv:2003.09179},
year = {2020}
}