基于强化学习的机器人曲面恒力跟踪研究

• 作者: 张铁 肖佳栋 肖蒙 邹焱飚
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 机器人 曲面跟踪 力控制 基于概率动力学模型的强化学习(PILCO) 强化学习
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 机械与能源工程
• 页码范围: 1865-1873,1882
• 页数: 10页
• 分类号: TP242
• 字数: 5083字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2019.10.003

摘要

针对机器人末端执行器和曲面工件接触时难以得到恒定接触力的问题,建立机器人末端执行器与曲面工件的接触模型.构建曲面接触力坐标系与机器人传感器测量坐标系之间的关系,利用基于概率动力学模型的强化学习(PILCO)算法对模型输出参数与接触状态的关系进行学习,对部分接触状态进行预测,强化学习根据预测的状态优化机器人位移输入参数,得到期望跟踪力信号.实验中,将强化学习的输入状态改为一段时间内的状态平均值以减少接触状态下信号的干扰.实验结果表明,利用PILCO算法在迭代8次后能够得到较稳定的力,相比于模糊迭代算法收敛速度较快,力误差绝对值的平均值减少了29％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张铁	华南理工大学机械与汽车工程学院	155	1469	19.0	29.0
2	邹焱飚	华南理工大学机械与汽车工程学院	54	379	12.0	17.0
3	肖蒙	华南理工大学机械与汽车工程学院	4	4	1.0	2.0
4	肖佳栋	华南理工大学机械与汽车工程学院	3	0	0.0	0.0