Tracker：基于模型的强化学习用于贴附细长 McKibben 肌的人手指跟踪控制
机器人学
2023-04-04 v1
摘要
为使软体手部外骨骼能够辅助日常生活活动，有必要利用该外骨骼精确控制手指关节。将关节控制以跟踪给定轨迹的问题称为跟踪控制问题。本研究聚焦于贴附细长 McKibben 肌的人手指的跟踪控制问题。为利用细长 McKibben 肌实现精确控制，存在两方面问题：一是肌肉特性复杂，例如非线性、迟滞、现实世界中的不确定性；二是难以获取肌肉与人手指的精确模型。为解决这些问题，我们采用了基于模型的强化学习方法 DreamerV2，但所学模型无法生成目标轨迹。因此，我们提出 Tracker，即面向跟踪控制问题对 DreamerV2 的扩展。实验中，我们表明 Tracker 相对于 PID，在控制模仿人食指从掌骨到近节骨部分的两连杆机械臂时误差约减小 81%。Tracker 通过约 60 分钟的训练，以较小误差实现了人食指第三关节的控制。此外，在摘下并重新贴附细长 McKibben 肌后，通过对用户手指预训练策略进行微调，约 15 分钟（少于首次训练所需时间）即达到与摘下前几乎相同的精度。
引用
@article{arxiv.2304.00227,
title = {Tracker: Model-based Reinforcement Learning for Tracking Control of Human Finger Attached with Thin McKibben Muscles},
author = {Daichi Saito and Eri Nagatomo and Jefferson Pardomuan and Hideki Koike},
journal= {arXiv preprint arXiv:2304.00227},
year = {2023}
}
备注
8 pages, 7 figures