机构名称：
¥ 1.0
摘要 - 从人类技能获取的机制中汲取灵感，模仿学习表现出了非凡的表现。近年来，基于模型的模仿学习与机器学习和控制理论相结合，并完整地开发并适应了非结构化的环境。但是，双臂任务的大多数结果都集中在相对安全和稳定的环境上，这些环境仍然缺乏强大的概括技能。在这项工作中，我们为双臂移动任务提出了一个新颖的健壮模仿学习框架。在演示期间，我们提出了一种共同的远程操作策略，该策略积极帮助操作员远程执行双臂任务，旨在减少操作困难和压力。在建模和概括期间，我们提出了一个耦合的线性参数变化的动力学系统（CLPV-DS），该参数具有保护和恢复状态免受环境中可能干扰的能力，同时保持良好的跟踪准确性和稳定性。为了解决由干扰引起的盒装滑动的风险，我们进一步引入了相互的以下策略，使手臂能够合适地跟随彼此，同时保持适当的接触力。考虑到复杂的概括环境中的潜在障碍，我们实时引入了一种反应性障碍策略，以确保全球渐近稳定性。最后，我们通过在2D模拟和实体机器人实验中的全面测试来验证了所提出的框架的有效性。
双重的新颖的模仿学习框架 -
主要关键词
相关文件推荐
