Learning Hybrid Models for Variable Impedance Control of Changing-Contact Manipulation Tasks
Learning Hybrid Models for Variable Impedance Control of Changing-Contact Manipulation Tasks
复制标题
学习用于变化接触操作任务的可变阻抗控制的混合模型
DOI：
--
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Saif Sidhik
中科院分区：
文献类型：
--
作者：
Saif Sidhik
许多机器人操作任务都是离散的动作序列，具有连续动力学的特征，而这些离散动态模式之间的转换具有不连续的动力学特征。各个模式可以代表不同类型的接触、表面或其他因素，并且每个模式和模式之间的转换可能需要不同的控制策略。本文描述了一种用于这类操作任务的分段连续混合控制框架。底层表示使机器人能够自动和有效地检测已知模式之间的转换，识别新模式，并增量地学习每个模式中的可变阻抗(即，刚度)控制的动力学模型，不变于运动方向和所施加的力的大小。在机器人操作器上评估该框架，以在存在表面摩擦力、作用力或对象与表面之间的接触类型的变化的情况下沿表面滑动对象以实现期望的运动轨迹。
Many robot manipulation tasks comprise discrete action sequences characterized by continuous dynamics, while the transitions between these discrete dynamic modes are characterized by discontinuous dynamics. The individual modes may represent different types of contacts, surfaces, or other factors, and each mode and transition between the modes may require a different control strategy. This paper describes a piece-wise continuous, hybrid control framework for such manipulation tasks. The underlying representation enables the robot to automatically and efficiently detect the transitions between known modes, recognize new modes, and incrementally learn a dynamics model for variable impedance (i.e., stiffness) control in each mode, invariant to the direction of motion and the magnitude of applied forces. The framework is evaluated on a robot manipulator sliding an object along a surface to achieve a desired motion trajectory in the presence of changes in surface friction, applied force, or the type of contact between the object and the surface.
DOI：
--
发表时间：
2019-07
期刊：
J. Mach. Learn. Res.
影响因子：
--
作者：
Oliver Kroemer;S. Niekum;G. Konidaris
通讯作者：
Oliver Kroemer;S. Niekum;G. Konidaris
非线性分段平滑混合系统的无监督学习
DOI：
--
发表时间：
2017
期刊：
arXiv.org
影响因子：
--
作者：
Lee, Gilwoo;Marinho, Zita;Johnson, Aaron M.;Gordon, Geoff J.;Srinivasa, Siddhartha S.;Mason, Matthew T.
通讯作者：
Mason, Matthew T.