基于 POMDP 的机器人插入主动力驱动搜索
机器人学
2024-04-08 v1
摘要
在机器人插入任务中，当不确定性超过允许的容差时，良好的搜索策略对于成功插入以及显著影响效率至关重要。常用的盲目搜索方法耗时且未充分利用接触信息。本文提出了一种新颖的搜索策略，主动利用接触配置中包含的information，显示出高效性。具体地，我们将该问题建模为部分可观测马尔可夫决策过程（POMDP），并基于对接触配置静态稳定性的深入分析设计了 carefully 设计的原语。从构建的 POMDP 中，我们可以导出一种新颖的搜索策略。由于其简单性，这种搜索策略可以整合到有限状态机（FSM）控制器中。FSM 控制器的行为通过低层笛卡尔阻抗控制器实现。该方法完全基于机器人的自感知感知，不需要视觉或触觉传感器。为评估所提出策略和控制框架的有效性，我们在仿真中进行了大量比较实验，与基准方法进行了比较。结果表明，所提出的方法在成功率、搜索时间和搜索轨迹长度方面均优于基准方法。此外，我们还展示了该方法对各种初始位移误差具有鲁棒性。
引用
@article{arxiv.2404.03943,
title = {POMDP-Guided Active Force-Based Search for Robotic Insertion},
author = {Chen Wang and Haoxiang Luo and Kun Zhang and Hua Chen and Jia Pan and Wei Zhang},
journal= {arXiv preprint arXiv:2404.03943},
year = {2024}
}