基于步态枚举编码的六足步态自适应：无梯度启发式方法
机器人学
2022-09-02 v1 人工智能
神经与进化计算
系统与控制
系统与控制
适应与自组织系统
摘要
对多足机器人系统适应变化条件的效率探索有望为机器人控制与运动提供新的见解。本文中，我们研究了六足步态的枚举（阶乘）编码在腿故障条件下快速恢复的性能边界。我们使用五种受自然启发的无梯度优化启发式方法的计算研究表明，可以生成可行的恢复步态策略，以少量评估（试验）实现对期望运动指令的最小偏差。例如，可生成可行恢复步态策略，相对于指令方向平均达到 2.5 cm（10 cm）偏差，分别使用 40–60（20）次评估/试验。我们的结果具有实现对新条件的有效适应以及进一步探索机器人运动问题中自适应规范表示的潜力。
引用
@article{arxiv.2209.00486,
title = {Towards Hexapod Gait Adaptation using Enumerative Encoding of Gaits: Gradient-Free Heuristics},
author = {Victor Parque},
journal= {arXiv preprint arXiv:2209.00486},
year = {2022}
}
备注
accepted for oral presentation at the World Congress on Computational Intelligence (WCCI 2022) - IEEE Congress on Evolutionary Computation (IEEE CEC 2022)