RoKON: ロボットマニピュレーションのための効率的で適応的なデータ駆動型予測制御
RoKON: Efficient and Adaptive Data-Enabled Predictive Control for Robotic Manipulation
ガウスカーネル予測器と減衰ガウス・ニュートン法、ハイブリッドバッファ管理を組み合わせ、摩擦変化に適応しながらリアルタイムでブロック押し動作を制御するデータ駆動型予測制御手法を提案した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Akshun Sharma, Zhongqi Wei, Buqing Ou, Frederike Dümbgen
分類: cs.RO
原文アブストラクト
Data-enabled predictive control has recently emerged as a promising control paradigm, enabling a transparent optimal-control formulation without the need to learn an explicit dynamics model. This paper presents a number of extensions paving the path towards its use in real-time robotics tasks. Following recent work, we utilize a nonlinear predictor based on Gaussian kernels to represent the relationship between input and output data. We propose a damped Gauss-Newton method that enables real-time control by efficiently exploiting the least-squares structure of the control problem. In addition, we introduce a hybrid buffer management strategy that incorporates informative online data while retaining relevant offline data, allowing the predictor to account for changes in the dynamics. We demonstrate the tracking performance and computational suitability of the proposed method in MuJoCo using a Franka Research 3 arm pushing a block across surface, without prior knowledge of its changing friction values.
関連論文
- タスク分解によるロボット動作計画の深層強化学習の強化マニピュレーション
- 多指ロボットハンドの携帯型マルチモーダルデータ収集デバイスDEX-PHDマニピュレーション
- PushAround：物理情報に基づくハイブリッド探索による協調的経路開拓マニピュレーション
- 動作表現の事前学習による器用な操作のスケーリングマニピュレーション
- やってみないと分からない：長期的操作のための対話型情報収集マニピュレーション
- 複数制約対応の器用把持ポリシー最適化MDPOマニピュレーション