相图作为快速人形机器人控制的运动基元
机器人学
2020-06-24 v3 人工智能
系统与控制
系统与控制
摘要
当前，快速机器人控制的常用方法在很大程度上依赖求解在线最优控制问题。此类方法以计算密集且对模型精度敏感而著称。另一方面，动物不仅快速且看似毫不费力地规划复杂运动动作，即便面对未见过的任务亦然。这种推断时间动态与协调的自然能力促使我们从运动技能学习视角切入机器人控制，以设计快速且计算轻量的控制器，其可在温和建模假设下由机器人自主习得。本文引入相图运动基元（PPMP），一种在低维相空间上预测动态的基元，并由此驾驭任务的高维运动学。与其他基元公式的鲜明区别在于其内建的相预测机制，以耦合振荡器的形式取代基于模型的状态估计器（如Kalman滤波器）。该策略通过优化振荡器参数进行训练，其输出以相图形式连接至运动学分布。维度的急剧缩减使我们能在真实人形尺寸、双臂人形上半身上高效训练并执行涉及20自由度的PPMP。我们在需快速反应时间的交互中展示PPMP，同时在离散与周期任务中生成预期姿态适应。
引用
@article{arxiv.1912.03535,
title = {Phase Portraits as Movement Primitives for Fast Humanoid Robot Control},
author = {Guilherme Maeda and Okan Koc and Jun Morimoto},
journal= {arXiv preprint arXiv:1912.03535},
year = {2020}
}