基于约束信息残差学习的近最小能量轨迹实时生成
机器人学
2025-01-17 v1
摘要
工业机器人运动需要消耗大量能源，因此能量减少方法日益重要。寻求最小能量轨迹的策略通常涉及求解非线性最优控制问题 (OCP)，但很少能满足实时需求。在本文中，我们提出了一种用于生成机械臂近似最小能量轨迹的范式，通过学习最优解来实现。我们的范式利用残差学习方法，在保持边界条件的同时，仅聚焦于学习将标准解驾驭至最优解所需的调整。相对于计算昂贵的基于 OCP 的规划器，我们的方法在训练数据附近实现了87.3%的性能，在训练数据较外的区域实现了50.8%的性能，同时快了两个到三个数量级。
引用
@article{arxiv.2501.09450,
title = {Real-Time Generation of Near-Minimum-Energy Trajectories via Constraint-Informed Residual Learning},
author = {Domenico Dona' and Giovanni Franzese and Cosimo Della Santina and Paolo Boscariol and Basilio Lenzo},
journal= {arXiv preprint arXiv:2501.09450},
year = {2025}
}