基于运动学与力约束的扭矩控制器概率学习
机器人学
2018-08-07 v2 机器学习
系统与控制
摘要
当从示范中学习技能时，往往需提前考虑恰当的任务表示（通常在操作空间或构型空间中）。我们在此提出一种概率方法，用于同时学习并合成考虑任务空间、关节空间与力约束的扭矩控制指令。我们将问题处理为考虑作用于机器人的不同扭矩控制器，其相关性从示范中以概率方式学习。该信息用于利用高斯分布的性质组合各控制器，生成满足任务重要特征的新扭矩指令。我们使用 7 自由度扭矩控制机械臂在两个实验场景中验证了该方法，其任务需考虑不同控制器以正确执行。
引用
@article{arxiv.1712.07249,
title = {Probabilistic Learning of Torque Controllers from Kinematic and Force Constraints},
author = {João Silvério and Yanlong Huang and Leonel Rozo and Sylvain Calinon and Darwin G. Caldwell},
journal= {arXiv preprint arXiv:1712.07249},
year = {2018}
}
备注
Accepted for publication at 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)