随着进入空间和机器人自主权能力的前进,同时对部署大型,复杂的空间结构的兴趣越来越兴趣,以提供新的轨道上能力。新的太空式观测值,大型轨道哨所,甚至是未来派的轨道上制造,也将使用诸如Orbit On-Orbit添加剂制造的技术组装来实现空间结构的组装,从而可以在构造甚至修复复杂的硬件方面提供灵活性。但是,在不确定性下进行机器人组装系统的基础动力学可能(例如改变惯性特性)。因此,必须在结构组装过程中考虑机器人组装器和操纵的加性制造组件的惯性估计。这项工作的贡献是解决机器人组装的运动计划和控制,并考虑到合并的自由式机器人组装程序和加上制造的组件系统的惯性估计。特别是线性二次调节器快速探索随机树(LQR-RRT*)和动态可行的路径平滑,用于获得系统的无障碍轨迹。此外,通过近似连续系统和伴随的奖励,将模型学习明确地纳入了计划阶段。然后可以通过强大的试管模型预测控制技术明确处理剩余的不足。通过获得既避免障碍物的受控轨迹,也可以学习自由型和操纵组件系统的惯性特性,自由度迅速考虑并计划建立具有增强系统知识的空间结构。该方法自然而然地概括了修复,加油和重新提供空间结构的组件,同时在例如惯性不确定性下提供最佳的无碰撞轨迹。
主要关键词