刚性与弹性关节机器人轨迹跟踪中前馈控制动作的负载泛化
论文提出一种与底层控制器无关的前馈控制动作负载泛化方法：先推导负载泛化所需的最少示例物体数量，再给出仅凭新负载参数即可执行同一轨迹的算法，无需已知机器人动力学模型，且适用于弹性关节。验证在仿真与实验中完成，实验对象为标准 Franka Emika Panda 机器人及加装弹性腕部的同款机器人，覆盖不同机器人与控制器下的跟踪任务。
发布于 10-22 13:00来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Payload generalization on feedforward control actions for trajectory tracking in robots with rigid and elastic joints》查看原链
工业界因机器人精度高、性能好而将其用于重复性任务，这通常依赖基于精确机器人描述的前馈控制动作。 然而，精确的动力学模型难以获得，对含弹性元件或负载变化的机器人尤其如此。 基于学习的前馈方法在模型不确定性下的轨迹跟踪中具有前景，但任务参数变化时通常面临泛化问题。
本文提出一种新方法，使前馈控制动作能够针对负载参数进行泛化，且不依赖于底层控制器。 首先，推导出负载泛化所需的最少示例物体数量。 然后，提出一种算法：仅给定新负载的参数，即可在未知机器人动力学模型、甚至存在弹性关节的情况下，用新负载执行同一轨迹。
该算法的有效性在不同机器人和控制器的跟踪任务仿真与实验中得到验证。 实验分两组进行：一组在标准 Franka Emika Panda 机器人上，另一组在配备弹性腕部的 Franka Emika Panda 机器人上。