黎曼流形上的方向概率运动基元
机器人学
2021-10-29 v1 机器学习
摘要
学习复杂的机器人运动必然需要这样的模型：当任务在操作空间中定义时，能够编码和复现全姿态轨迹。概率运动基元（ProMPs）作为一种基于原理的方法脱颖而出，它对从示教中学习的轨迹分布进行建模。ProMPs 允许进行轨迹调制与混合，以更好地泛化到新情境。然而，当 ProMPs 用于操作空间时，其原始公式不能直接应用于包含由四元数描述的旋转轨迹的全姿态运动。本文提出 ProMPs 的黎曼公式，使其能够编码和复现四元数轨迹。我们的方法建立在黎曼流形理论之上，并利用多线性测地回归来估计 ProMPs 的参数。这一新颖方法使 ProMPs 成为学习复杂全姿态机器人运动模式的合适模型。黎曼 ProMPs 在玩具示例上进行了测试以说明其工作流程，并在真实的示教学习实验中进行了验证。
引用
@article{arxiv.2110.15036,
title = {Orientation Probabilistic Movement Primitives on Riemannian Manifolds},
author = {Leonel Rozo and Vedant Dave},
journal= {arXiv preprint arXiv:2110.15036},
year = {2021}
}
备注
To appear at CoRL 2021