用于连续体机器人控制的神经构型距离函数
机器人学
2025-02-28 v2 系统与控制
系统与控制
摘要
本文提出了一种将连续体机器人形状建模为神经构型欧氏距离函数（N-CEDF）的新方法。通过为每个连杆学习独立的距离场并通过运动学链将它们组合起来，学习到的 N-CEDF 提供了一种准确且计算高效的机器人形状表示。连续体机器人距离函数表示的关键优势在于，它能够在动态和杂乱的环境中实现用于运动规划的高效碰撞检查，即使在点云观测下也是如此。我们将 N-CEDF 集成到模型预测路径积分（MPPI）控制器中，为多段连续体机器人生成安全轨迹。所提出的方法在多个包含静态和动态障碍物的模拟环境中，针对具有不同连杆数量的连续体机器人进行了验证。
引用
@article{arxiv.2409.13865,
title = {Neural Configuration Distance Function for Continuum Robot Control},
author = {Kehan Long and Hardik Parwana and Georgios Fainekos and Bardh Hoxha and Hideki Okamoto and Nikolay Atanasov},
journal= {arXiv preprint arXiv:2409.13865},
year = {2025}
}