Covariance Steering for Uncertain Contact-rich Systems

要約

不確実な接触システムの計画と制御は、計画のために不確実性を伝播する方法が明確でないため、困難です。
連絡先の多いタスクは、他の手法の中でも特に相補性制約を使用して効率的にモデル化できます。
この論文では、確率的相補性制約を持つシステムの確率的制約を伴う確率的最適化手法を提示します。
粒子フィルターベースのアプローチを使用して、確率的相補性システムのモーメントを伝播します。
オープン ループ チャンス制約付き計画の問題を回避するために、相補性システムの共分散ステアリング用の接触認識コントローラーを提案します。
最適化問題は、バイレベル最適化を使用した非線形計画法 (NLP) として定式化されます。
基礎となる制御問題の数値効率のための重要な粒子アルゴリズムを提示します。
接触を認識する閉ループコントローラーが、確率的な接触が多いタスクの下で状態の共分散を操縦できることを確認します。

要約(オリジナル)

Planning and control for uncertain contact systems is challenging as it is not clear how to propagate uncertainty for planning. Contact-rich tasks can be modeled efficiently using complementarity constraints among other techniques. In this paper, we present a stochastic optimization technique with chance constraints for systems with stochastic complementarity constraints. We use a particle filter-based approach to propagate moments for stochastic complementarity system. To circumvent the issues of open-loop chance constrained planning, we propose a contact-aware controller for covariance steering of the complementarity system. Our optimization problem is formulated as Non-Linear Programming (NLP) using bilevel optimization. We present an important-particle algorithm for numerical efficiency for the underlying control problem. We verify that our contact-aware closed-loop controller is able to steer the covariance of the states under stochastic contact-rich tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google