当你的机器人失效时： plant 故障期间的主动学习
机器人学
2019-12-18 v1 神经与进化计算
摘要
检测并适应机器人系统中的灾难性故障，要求机器人快速且安全地学习其新动力学以最好地达成目标。为应对这一挑战性问题，我们提出概率安全在线学习技术，以在故障（如物理损伤）发生的时刻推断机器人被改变的动力学。我们将模型预测控制与主动学习结合于机会约束优化框架内，以安全且高效地学习机器人的新 plant 模型。我们利用神经网络在学习故障条件下机器人潜在动力学时进行函数逼近。我们的框架可推广至多种损伤情形，同时计算轻量以推进实时部署。我们在虚拟环境中经验性验证，可在数秒内重新控制严重受损的飞行器，且仅需 0.1 秒即可找到安全、信息丰富的轨迹，优于现有最优方法。
引用
@article{arxiv.1912.08116,
title = {When Your Robot Breaks: Active Learning During Plant Failure},
author = {Mariah Schrum and Matthew Gombolay},
journal= {arXiv preprint arXiv:1912.08116},
year = {2019}
}