基于层次模型-基于规划的高维肌肉生物力学系统运动控制
机器人学
2025-05-14 v1
摘要
控制高维非线性系统（如生物学和机器人学中的系统）具有挑战性，由于状态空间和动作空间庞大。虽然深度强化学习在这些领域取得了许多成功，但其计算密集且耗时，因此不适用于解决需要大量手动调参的大量任务。本文引入了基于形态感知比例控制的模型预测控制（MPC^2），一种用于零样本和近实时控制高维复杂动态系统的层次模型-基于学习算法。MPC^2 使用基于采样的模型预测控制器进行目标姿态规划，通过纳入形态感知比例控制器实现对 actuator 协调的稳健控制。该算法使我们能够对高维人类肌肉生物力学模型进行运动控制，涵盖站立、不同地形上的行走以及模仿运动项目等多种运动任务。MPC^2 的奖励函数可通过黑箱优化进行调参，大幅降低了对人工密集型奖励工程的需求。
引用
@article{arxiv.2505.08238,
title = {Motion Control of High-Dimensional Musculoskeletal Systems with Hierarchical Model-Based Planning},
author = {Yunyue Wei and Shanning Zhuang and Vincent Zhuang and Yanan Sui},
journal= {arXiv preprint arXiv:2505.08238},
year = {2025}
}
备注
Accepted by ICLR 2025