基于深度神经网络代理模型的水下软鳍扑动运动
机器人学
2025-02-06 v1 机器学习
摘要
本研究提出了一种新颖的框架，通过将基于深度神经网络（DNN）的代理模型与强化学习（RL）相结合，实现对鳍驱动水下机器人的精确力控制。为了解决与水下环境复杂的交互问题以及高昂的实验成本，DNN 代理模型充当模拟器，为 RL 智能体提供高效训练。此外，应用网格切换控制为特定的力参考范围选择优化模型，提高了控制精度和稳定性。实验结果表明，在代理模拟中训练的 RL 智能体能够生成复杂的推力运动，并实现对真实软鳍执行器的精确控制。该方法为在具有挑战性的水下环境中的鳍驱动机器人提供了一种高效的控制解决方案。
引用
@article{arxiv.2502.03135,
title = {Underwater Soft Fin Flapping Motion with Deep Neural Network Based Surrogate Model},
author = {Yuya Hamamatsu and Pavlo Kupyn and Roza Gkliva and Asko Ristolainen and Maarja Kruusmaa},
journal= {arXiv preprint arXiv:2502.03135},
year = {2025}
}
备注
Accepted in IEEE International Conference on Soft Robotics 2025 (Robosoft)