利用学习控制优化动态目标导向机器人运动的执行
机器人学
2019-03-19 v2
摘要
需要大加速度和精确跟踪的高动态任务通常依赖于精确模型和/或高增益反馈。虽然运动学优化能够实现击打轨迹的高效表示与在线生成，但利用不精确模型学习跟踪此类动态运动仍是一个开放问题。特别是，迭代域中学习性能周围的稳定性问题会阻碍基于模型的学习方法的成功实现。为了以稳定且高效的方式实现此类任务的精确跟踪，我们提出了一种新的自适应迭代学习控制（Iterative Learning Control, ILC）算法，该算法通过递归方法高效实现。此外，模型矩阵的协方差估计被用于在学习过程中保持谨慎。我们在大量仿真和我们的机器人乒乓球平台上评估了所提方法的性能，展示了如何优化两个七自由度拟人机器人手臂的击球性能。我们在乒乓球平台上的实现优于高增益PD控制、无模型ILC（简单PD反馈型）以及无谨慎自适应的基于模型ILC。
引用
@article{arxiv.1807.01918,
title = {Optimizing Execution of Dynamic Goal-Directed Robot Movements with Learning Control},
author = {Okan Koc and Guilherme Maeda and Jan Peters},
journal= {arXiv preprint arXiv:1807.01918},
year = {2019}
}