基于在线学习的移动机器人控制器增益自适应以减少打滑
机器人学
2023-02-01 v1 系统与控制
系统与控制
摘要
打滑是轮式移动机器人系统中极常见的现象，会带来浪费能量与妨碍系统稳定性等不良影响。为应对滑溜条件下移动机器人轨迹跟踪的挑战，我们提出一种分层框架，可同时在线学习并自适应跟踪控制器的增益。具体而言，采用强化学习（RL）模块自动整定横向预测控制器与纵向速度 PID 控制器中的参数。实验显示了同时增益整定的必要性，并表明我们的在线框架优于采用固定增益的最佳基线控制器。通过利用在线增益自适应，该框架在移动机器人穿越多种地形时抑制打滑并减小跟踪误差，从而实现鲁棒跟踪性能。
引用
@article{arxiv.2301.13283,
title = {Online Learning Based Mobile Robot Controller Adaptation for Slip Reduction},
author = {Huidong Gao and Rui Zhou and Masayoshi Tomizuka and Zhuo Xu},
journal= {arXiv preprint arXiv:2301.13283},
year = {2023}
}