RMPflow：用于生成多任务运动策略的几何框架
机器人学
2020-07-29 v1
摘要
在动态环境中为多个任务生成机器人运动具有挑战性，需要算法在作出反应的同时考虑任务间复杂的非线性关系。本文中，我们基于黎曼运动策略（RMPs）的几何一致变换，开发了一种新颖的策略综合算法 RMPflow。RMPs 是一类反应式运动策略，将非欧几里得行为参数化为内在非线性任务空间中的动力系统。给定一组为单个任务设计的 RMPs，RMPflow 可组合这些策略以生成具有表现力的全局策略，同时利用稀疏结构实现计算效率。我们研究了 RMPflow 的几何性质并给出稳定性的充分条件。最后，我们通过实验证明，考虑任务策略的自然黎曼几何可以简化经典困难问题，例如高自由度操纵系统通过杂乱环境的规划。
引用
@article{arxiv.2007.14256,
title = {RMPflow: A Geometric Framework for Generation of Multi-Task Motion Policies},
author = {Ching-An Cheng and Mustafa Mukadam and Jan Issac and Stan Birchfield and Dieter Fox and Byron Boots and Nathan Ratliff},
journal= {arXiv preprint arXiv:2007.14256},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:1811.07049