基于学习零动态策略的鲁棒敏捷性

我们研究混合欠驱动系统的鲁棒与敏捷控制器设计。我们的方法将创建镇定控制器的任务分解为：1) 学习一个在最优控制下不变的映射，以及 2) 将被驱动坐标驱动至该映射的输出。这种称为零动态策略的方法，通过将目标映射的输入限制在无法直接驱动的自由度子集上，利用了欠驱动的结构，从而实现了显著的降维。此外，我们保留了最优控制的稳定性和约束满足，同时减少了在线计算开销。我们证明了此类控制器能镇定混合欠驱动系统，并在3D跳跃平台ARCHER上实验验证了我们的方法。在3000次跳跃过程中，所提出的框架展示了鲁棒的敏捷性，在崎岖地形上保持稳定跳跃的同时抵抗干扰。