基于模型的深度强化学习用于非抓取式空中操作
机器人学
2024-07-02 v1
摘要
随着无人航空器（UAVs）在广泛应用场景中的不断采纳，鲁棒的空中操作仍是关键研究挑战。空中操作任务需要与环境中的对象进行交互，通常尚不知道它们的动力学特性，如质量和摩擦系数。此外，与这些对象进行交互会显著影响车辆的控制和稳定性。我们研究了一种用于鲁棒控制和未知环境中非抓取式空中操作的方法。具体而言，我们使用基于模型的深度强化学习（DRL）来学习环境的世界模型，同时学习与环境交互的策略。我们在一系列推送任务上评估了该方法，通过在目标位置之间移动对象，并在各种摩擦系数的范围内演示了可重复的行为。
引用
@article{arxiv.2407.00889,
title = {Non-Prehensile Aerial Manipulation using Model-Based Deep Reinforcement Learning},
author = {Cora A. Dimmig and Marin Kobilarov},
journal= {arXiv preprint arXiv:2407.00889},
year = {2024}
}
备注
\copyright 2024 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works