针对模型失准机器人 CRiSP 逆运动学学习的结构化预测方法
机器人学
2021-03-31 v3 机器学习
摘要
随着机器学习的最新进展，传统上需要精确建模才能解析求解的问题，如今可通过数据驱动策略成功应对。其中，由于机器人的非线性结构、严格的关节约束以及不可逆的运动学映射，计算冗余机械臂的逆运动学构成重大挑战。此外，多数学习算法采用完全数据驱动的方法，而关于机器人结构的有用信息往往可得且应被积极利用。本工作中，我们提出一种简单而有效的逆运动学学习方法。我们引入一种结构化预测算法，将数数据驱动策略与由正运动学函数提供的模型——即使该函数失准——相结合，以精确求解该问题。所提方法确保预测的关节构型严格处于机器人约束范围内。我们还给出了估计器泛化性质的统计保证，以及其在轨迹重建任务上性能的经验评估。
引用
@article{arxiv.2102.12942,
title = {Structured Prediction for CRiSP Inverse Kinematics Learning with Misspecified Robot Models},
author = {Gian Maria Marconi and Raffaello Camoriano and Lorenzo Rosasco and Carlo Ciliberto},
journal= {arXiv preprint arXiv:2102.12942},
year = {2021}
}
备注
Accepted for publication in IEEE Robotics and Automation Letters (2021) and presentation at IEEE International Conference on Robotics and Automation (2021) Updated funding information