基于双空间交替学习的机器人运动技能获取
针对如何基于示范任务学习让机器人自主获得完成新任务的能力的难题,提出一种混合高斯回归结合路径积分策略提升(GMR-PI2)的表达、模仿和优化框架,同时采用基函数、策略表达权系数两个空间上交替搜索执行方案来解决上述问题.核心思想是当权系数探索到最佳逼近点附近时,根据经验最优轨迹集进行基函数的自重组,然后再重启权系数搜索,从而实现从示范任务到指标集约束任务的渐进运动技能获取.经典的轨迹规划过点实验结果表明该方法有效、可行.
机器人 运动技能获取 示范任务学习 混合高斯回归 路径积分策略 轨迹规划
傅剑 陈思明 庞牧野 娄平
武汉理工大学自动化学院,湖北武汉430070 武汉理工大学信息学院,湖北武汉430070
国内会议
哈尔滨
中文
414-418
2017-10-01（万方平台首次上网日期，不代表论文的发表时间）