Learning Barrier-Certified Polynomial Dynamical Systems for Obstacle Avoidance with Robots

要約

ロボットがデモンストレーションから学習できるように確立された技術は、安定した動的システム (DS) の学習に基づいています。
静的な障害物回避を伴うタスク中の摂動に対するロボットの回復力を高めるために、最適化問題にバリア証明書を組み込んで、安定したバリア認定された DS を学習することを提案します。
このような最適化問題は、従来の線形パラメータ変化定式化が使用される場合、非常に複雑になるか、非常に保守的になる可能性があります。
したがって、文献におけるこれまでのアプローチとは異なり、DS に多項式表現を使用することを提案します。これにより、二乗和手法で取り組むことができる最適化問題が生成されます。
最後に、私たちのアプローチは、DS 学習フレームワーク内の障害物回避に関する文献で通常見られる仮定の範囲外にある障害物の形状を処理できます。
補足資料はプロジェクト Web ページで見つけることができます: https://martinschonger.github.io/abc-ds

要約(オリジナル)

Established techniques that enable robots to learn from demonstrations are based on learning a stable dynamical system (DS). To increase the robots’ resilience to perturbations during tasks that involve static obstacle avoidance, we propose incorporating barrier certificates into an optimization problem to learn a stable and barrier-certified DS. Such optimization problem can be very complex or extremely conservative when the traditional linear parameter-varying formulation is used. Thus, different from previous approaches in the literature, we propose to use polynomial representations for DSs, which yields an optimization problem that can be tackled by sum-of-squares techniques. Finally, our approach can handle obstacle shapes that fall outside the scope of assumptions typically found in the literature concerning obstacle avoidance within the DS learning framework. Supplementary material can be found at the project webpage: https://martinschonger.github.io/abc-ds

arxiv情報

提供元, 利用サービス

arxiv.jp, Google