XiaoMi-AI文件搜索系统
World File Search System双积分器
双积分器多机器人控制具有未耦合动力学的可变形对象传输的动力学
摘要 - 我们提供了一个以双整合器动力学建模的移动机器人团队的编队控制器，以操纵围绕轮廓的可变形物体。操纵任务定义为达到目标配置，该目标配置由2D中的形状，比例，位置和方向组成，同时保留对象的完整性。我们提供了一组旨在允许对定义任务的变量的不耦合控制的控制器。对控制器的形式分析在与平衡状态的解耦，稳定性和收敛性方面深入覆盖。此外，我们还包括控制屏障功能，以执行与任务相关的安全限制，即碰撞和过度拉伸避免。在模拟和实际实验中说明了该方法的性能。
从增强学习到可区分的模拟
摘要 - 我们通过弥合以学习为中心的政策培训和基于模型的控制之间的差距来提供学习机器人控制的新见解。我们利用最佳控制，强化学习和可区分模拟来开发控制算法，从而增强机器人的敏捷性，同时在现实世界中保持稳健性。首先，我们表明，与最佳控制相比，机器人技术中增强学习的基本优势在于其优化目标。具体来说，RL直接最大化任务级目标，这可能是不可差异的，而最佳控制受到平滑且可微分的成本功能的要求限制。客观设计的灵活性允许实现更灵活的控制策略，从而在意外情况下导致更强的性能。第二，我们建议使用策略搜索自动优化模型预测控制（MPC）的高级策略。此公式使策略搜索能够专注于最大化高级任务目标，而MPC优化可以集中于低级跟踪性能。第三，我们探讨了可区分模拟进行政策培训的潜力。可区分的模拟可以提供低变化的一阶梯度，从而导致更稳定的训练和更好的收敛性。我们显示了玩具双积分器的近乎最佳控制性能及其对四足动力的潜力。