计算机科学 > 机器人技术
[提交于 2025年5月1日
]
标题: 多段软机器人控制的深度Koopman模型预测控制
标题: Multi-segment Soft Robot Control via Deep Koopman-based Model Predictive Control
摘要: 软体机器人与传统刚性机器人相比,由于其多个部分使用软材料带来了灵活性和顺应性,在环境中的安全交互和灵巧操作具有优势。然而,由于其高维性、非线性、时变特性以及无限自由度的特点,实现精确动态控制(如轨迹跟踪和位置到达)一直是个挑战。为了解决这些挑战,我们提出了一种基于深度Koopman模型预测控制(DK-MPC)的框架来处理多段软体机器人。 我们首先采用深度学习方法结合采样数据来逼近Koopman算子,从而将软体机器人的高维非线性动力学线性化为有限维的线性表示。 其次,在模型预测控制框架内利用这个线性化模型来计算最优控制输入,以最小化期望状态轨迹与实际状态轨迹之间的跟踪误差。 对软体机器人“Chordata”进行的真实世界实验表明,DK-MPC能够实现高精度控制,展示了DK-MPC在未来软体机器人应用中的潜力。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.