使用中央模式生成器和神经网络的双足运动的分层控制
(汉堡大学智能自适应系统科学论文硕士)
受生物学启发的,分层的两足机器人运动控制器。 在较低级别,具有反馈路径的CPG网络(基于)控制着各个关节。 CPG网络的参数通过遗传算法进行了优化。 在更高的层次上,神经网络对CPG网络的输出进行调制,以优化机器人相对于整体目标的运动。 在这种情况下,目的是使步行时由于滑移或不完善的机器人模型而产生的横向偏差最小。 使用(深度强化学习算法)训练神经网络。 这项工作是使用。
即使在存在系统性和非系统性错误的情况下,分级控制器也可以使横向偏差最小化。 路径为红色的机器人仅使用CPG网络。 对于蓝色路径,使用了分层控制器。 高亮显示的情况(从左起第4个)显示了性能最佳的超参数设置。
纸
在ICDL-Epirob 2019上展示的论文可以在或进行查看。
论文
我的硕士学位论文可以在查看或下载。
视频
在可
2022-03-17 23:04:56
1.46MB
Python
1