基于弹性图的机器人示教学习

示教学习（LfD）是一种从人类提供的演示中复现和泛化机器人技能的流行方法。在本文中，我们提出一种新颖的基于优化的 LfD 方法，将演示编码为弹性图。弹性图是通过弹簧网格连接节点的图。我们通过将弹性图拟合到演示集合来构建技能模型。我们方法中公式化的优化问题包含三个具有自然和物理解释的目标。主要项奖励笛卡尔坐标中的均方误差。第二项惩罚点的非等距分布，从而得到轨迹的最优总长度。第三项奖励平滑性同时惩罚非线性。这些二次目标构成一个凸问题，可用局部优化器高效求解。我们考察了九种用于构建和加权弹性图的方法，并研究了它们在机器人任务中的性能。我们还使用 UR5e 机械臂在若干仿真和真实世界实验中评估了所提方法，并将其与其他 LfD 方法进行比较，以展示其在多种指标下的优势与灵活性。