On-Line Learning for Planning and Control of Underactuated Robots with Uncertain Dynamics

要約

不確実なダイナミクスを備えた不十分なロボットの動きを計画および制御するための反復アプローチを提示します。
その中心には、アクティブおよびパッシブの自由度に対するモデルの不確実性によって引き起こされる摂動を推定する学習プロセスがあります。
アルゴリズムの一般的な反復は、最適化に基づいた計画フェーズと、アクティブなDOFの部分的なフィードバック線形化がオンラインで更新されたモデルでの部分的なフィードバック線形化が実行される制御フェーズの両方で学習データを使用します。
提案されたアプローチのパフォーマンスは、さまざまな種類のスイングアップ操作を実行するペンドボットの比較シミュレーションと実験によって示されます。
通常、動的に実行可能な軌跡と、大規模なモデルの不確実性が存在する場合でも、正確な実行を保証する追跡制御を生成するために必要な反復はほとんどありません。

要約(オリジナル)

We present an iterative approach for planning and controlling motions of underactuated robots with uncertain dynamics. At its core, there is a learning process which estimates the perturbations induced by the model uncertainty on the active and passive degrees of freedom. The generic iteration of the algorithm makes use of the learned data in both the planning phase, which is based on optimization, and the control phase, where partial feedback linearization of the active dofs is performed on the model updated on-line. The performance of the proposed approach is shown by comparative simulations and experiments on a Pendubot executing various types of swing-up maneuvers. Very few iterations are typically needed to generate dynamically feasible trajectories and the tracking control that guarantees their accurate execution, even in the presence of large model uncertainties.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google