基于数据驱动的方法合成对欠驱动机器人系统感知动态的轨迹
摘要：联合轨迹生成和跟踪控制是我们关注的焦点。通常，我们使用分层的控制架构来解决这个问题，其中顶层使用系统动力学的简化模型来生成轨迹，底层通过反馈控制确保对该轨迹的近似跟踪。虽然这种分层控制架构在实践中是标准且有效的，但选择用于轨迹生成的简化模型通常依赖于工程直觉和经验。本文提出了一种基于数据驱动的、具备动力学意识的轨迹生成方法。我们通过适当的增广拉格朗日重构全局非线性最优控制问题，将整体问题分解为轨迹规划和反馈控制两个层次。关键是，所得到的轨迹优化问题具备动力学意识，即通过将动态可行性的跟踪惩罚器纳入修改生成的轨迹。我们展示了这个跟踪惩罚器可以从独立设计的低层反馈控制策略的系统轨迹中学习，并将我们的框架应用于仿真中的自行车和四旋翼控制问题。此外，我们还展示了我们的方法在四旋翼硬件平台上经过实验证明可以处理仿真到实际的差异，而无需额外的训练。对于合成的自行车示例和四旋翼系统，我们的框架在仿真和硬件实验中都显示出了计算时间和动态可行性的显著改善。
作者：Anusha Srikanthan, Fengjun Yang, Igor Spasojevic, Dinesh Thakur, Vijay Kumar, Nikolai Matni
论文ID：2307.13782
分类：Robotics
分类简称：cs.RO
提交时间：2023-07-27