TamedPUMA：基于几何纱布的安全稳定模仿学习
系统与控制
2025-03-25 v1 机器学习
机器人学
系统与控制
摘要
借助 dynamical systems 的语言，模仿学习（IL）为向具备目标收敛性的机器人提供直观且有效的稳定任务空间运动方式。然而，IL 技术在确保安全性和满足物理约束方面存在严重局限。通过本工作，我们通过一种近期发展的运动生成方法——几何纱布（geometric fabrics）来解决这一挑战，提出 TamedPUMA，一种增强 IL 的算法。由于 IL 策略与几何纱布均将运动描述为人工二阶 dynamical system，我们提出两种变体，IL 为几何纱布提供导航策略。结果是一种稳定的模仿学习策略，使我们能够无缝融合诸如碰撞规避和关节限制等几何约束。除提供理论分析外，我们通过仿真和真实世界任务演示了 TamedPUMA，包括 7 自由度的操作臂。
引用
@article{arxiv.2503.17432,
title = {TamedPUMA: safe and stable imitation learning with geometric fabrics},
author = {Saray Bakker and Rodrigo Pérez-Dattari and Cosimo Della Santina and Wendelin Böhmer and Javier Alonso-Mora},
journal= {arXiv preprint arXiv:2503.17432},
year = {2025}
}
备注
14 pages (10+4), 1+3*5 figures, 1 table, preprint version of accepted paper at L4DC 2025