人形轮式倒立摆机器人的在线质心估计
机器人学
2019-05-16 v2 机器学习
系统与控制
摘要
我们提出了一种鲁棒控制与在线学习的新型应用，用于 n 自由度（DoF）轮式倒立摆（WIP）人形机器人的平衡。我们的技术将质量模型的不准确性浓缩为质心（CoM）误差，在该误差存在下保持平衡，并利用在线学习更新质量模型以获得更好的 CoM 估计。使用我们机器人的仿真模型，我们对一组激发性关节姿态进行元学习，使梯度下降算法快速收敛到准确的（CoM）估计。该仿真流程以完全在线方式执行，利用主动抗扰来应对由持续演化的质量模型所产生的质量误差。我们在 19 自由度 WIP 上进行了实验，手动获取了所学姿态集的数据，并表明由梯度下降生成的质量模型所提供的 CoM 估计改善了整体控制与效率。本工作为 Golem Krang 人形机器人全身控制的更大学术体系作出了贡献。
引用
@article{arxiv.1810.03076,
title = {Online Center of Mass Estimation for a Humanoid Wheeled Inverted Pendulum Robot},
author = {Munzir Zafar and Akash Patel and Bogdan Vlahov and Nathaniel Glaser and Sergio Aguillera and Seth Hutchinson},
journal= {arXiv preprint arXiv:1810.03076},
year = {2019}
}