基于迁移强化学习的面向不同几何特征物体的机器人装配控制重构
机器人学
2022-11-07 v1 系统与控制
系统与控制
摘要
基于力的柔顺控制是机器人实现高精度装配任务的首选方法。当装配物体几何特征不对称或不规则时，强化学习(RL)智能体逐渐被引入柔顺控制器，以适应难以解析建模的复杂力-位姿映射。由于力-位姿映射强烈依赖于几何特征，柔顺控制器仅对当前几何特征最优。为降低不同几何特征装配物体的学习成本，本文致力于回答如何针对具有不同几何特征的新装配物体重构已有控制器。本文首先基于所提柔顺律等价理论(ETCL)重构基于模型的参数。然后基于所提加权维度策略蒸馏(WDPD)方法迁移 RL 智能体。实验结果表明，该控制重构方法耗时更少且控制性能更优，证实了所提方法的有效性。
引用
@article{arxiv.2211.02443,
title = {Robotic Assembly Control Reconfiguration Based on Transfer Reinforcement Learning for Objects with Different Geometric Features},
author = {Yuhang Gai and Bing Wang and Jiwen Zhang and Dan Wu and Ken Chen},
journal= {arXiv preprint arXiv:2211.02443},
year = {2022}
}