存在障碍物下建模伸展运动的随机最优控制：理论与仿真
机器人学
2018-03-28 v2
摘要
在许多诸如机器人辅助手术和远程遥操作的人机闭环机器人应用中，预测人类操作者的预期运动可能有助于成功实现共享控制、引导虚拟夹具和预测控制。建立人类运动的计算模型是此类运动预测框架的关键基础。基于此动机，我们提出一个在存在障碍物情况下对人类伸展运动进行建模的计算框架。我们提出一种随机最优控制框架，其包含概率碰撞避免约束，以及一种在信号依赖噪声存在下权衡努力与终态方差的代价函数。首先，我们提出一系列重构方法，将原始非线性非凸最优控制问题转化为参数二次规划问题。我们表明，这些参数可被调节以建模各种碰撞避免策略，从而捕捉与人类运动相关的典型变异性。随后，我们给出一个仿真研究，展示了避免策略、控制代价与碰撞避免概率之间的复杂相互作用。所提出的框架可使需要在杂乱空间中遥操作的多种应用受益，包括机器人辅助手术。此外，它也可被视为一种新型优化器，能在信号依赖噪声下生成平滑且概率安全的轨迹。
引用
@article{arxiv.1701.01547,
title = {Stochastic Optimal Control for Modeling Reaching Movements in the Presence of Obstacles: Theory and Simulation},
author = {Arun Kumar Singh and Sigal Berman and Ilana Nisky},
journal= {arXiv preprint arXiv:1701.01547},
year = {2018}
}