面向未知外部负载的软机器人速度形式数据驱动预测控制
机器人学
2025-10-07 v1 系统与控制
系统与控制
摘要
数据驱动控制方法如数据驱动预测控制（DeePC）在无需显式参数模型的情况下展现出控制软机器人方面的强大潜力。然而，在物体操控任务中，未知外部负载和扰动会显著改变系统动力学和行为，导致偏差误差和控制性能下降。本文提出了一种 novel 的速度形式DeePC框架，在未知负载下实现软机器人的鲁棒和最优控制。该框架利用增量表示形式的输入输出数据来缓解因未知负载引起的性能下降，无需加权数据集或扰动估计器。我们在平面软机器人上进行了实验验证，证明其在包含未知负载的情景下优于标准DeePC。
引用
@article{arxiv.2510.04509,
title = {Velocity-Form Data-Enabled Predictive Control of Soft Robots under Unknown External Payloads},
author = {Huanqing Wang and Kaixiang Zhang and Kyungjoon Lee and Yu Mei and Vaibhav Srivastava and Jun Sheng and Ziyou Song and Zhaojian Li},
journal= {arXiv preprint arXiv:2510.04509},
year = {2025}
}