面向模型失配与执行器约束的机器人系统奇异性规避控制
系统与控制
2024-11-13 v1 机器人学
系统与控制
摘要
奇异性表现为特殊构型状态，会降低机器人性能，甚至导致系统失控。本文通过控制障碍函数（CBF）解决具有模型失配和执行器约束的机器人系统中的运动学奇异性问题。我们提出一种基于学习的控制策略，防止机器人进入奇异区域。更具体地，我们利用高斯过程（GP）回归学习未知的模型失配，其中预测误差由确定性界限约束。此外，我们给出了参数选择准则，以确保在执行器约束下CBF的可行性。该方法通过二自由度（DoF）平面机器人的高保真仿真得到验证。
引用
@article{arxiv.2411.07830,
title = {Singularity-Avoidance Control of Robotic Systems with Model Mismatch and Actuator Constraints},
author = {Mingkun Wu and Alisa Rupenyan and Burkhard Corves},
journal= {arXiv preprint arXiv:2411.07830},
year = {2024}
}
备注
This work has been submitted to ECC 2025 for possible publication