${\tt KRAFT}$: 基于抽样的类动力学再规划与近似模型下的反馈控制
机器人学
2024-09-19 v1
摘要
本文旨在提高执行机器人非平凡动力学轨迹时的安全性和可靠性，给定一套轻量级的近似动力学模型。应用场景包括移动机器人穿越包含不完全建模表面和未知摩擦力的工作空间。所提出的方法，面向近似模型的类动力学再规划与反馈跟踪 (KRAFT)，集成了：(i) 通过渐近最优抽样基于动力学的树形规划器进行再规划，(ii) 通过反馈控制进行轨迹跟随，以及 (iii) 用于减少因二阶动力学导致碰撞的安全机制。规划与控制组件使用通过微分方程形式表达的粗糙动力学模型，该模型通过系统辨识 (SysId) 在训练环境中进行调校，但并非在部署环境中。这样做可以实现快速响应，在每次再规划周期内进行长程推理。与此同时，即便在进行了 SysId 的情况下，该模型仍与现实之间存在差距，尤其是在新的环境中。实验结果表明，运动学路径规划和路径跟踪方法的局限性，凸显了以下重要性：(a) 在规划层面也要关闭反馈环路；以及 (b) 在给定不准确模型的情况下，实现安全且高效的轨迹执行需要进行长程推理。
引用
@article{arxiv.2409.11522,
title = {${\tt KRAFT}$: Sampling-Based Kinodynamic Replanning and Feedback Control over Approximate, Identified Models of Vehicular Systems},
author = {Aravind Sivaramakrishnan and Sumanth Tangirala and Dhruv Metha Ramesh and Edgar Granados and Kostas E. Bekris},
journal= {arXiv preprint arXiv:2409.11522},
year = {2024}
}