[论文解读] Gaussians on Riemannian Manifolds for Robot Learning and Adaptive Control.

Sylvain Calinon, Noémie Jaquier|arXiv (Cornell University)|Sep 12, 2019

Gaussian Processes and Bayesian Inference被引用 2

一句话总结

本文提出利用黎曼几何与流形上的高斯分布来增强机器人学习与自适应控制。通过利用测地线、平行移动以及流形特定的概率模型，该方法在非欧几里得空间中实现了稳健的学习与控制，已在基于表面肌电信号的假肢手控制和水下双臂遥操作中得到验证。

ABSTRACT

This article presents an overview of robot learning and adaptive control applications that can benefit from a joint use of Riemannian geometry and probabilistic representations. The roles of Riemannian manifolds, geodesics and parallel transport in robotics are first discussed. Several forms of manifolds already employed in robotics are then presented, by also listing manifolds that have been underexploited but that have potentials in future robot learning applications. A varied range of techniques employing Gaussian distributions on Riemannian manifolds are then introduced, including clustering, regression, information fusion, planning and control problems. Two examples of applications are presented, involving the control of a prosthetic hand from surface electromyography (sEMG) data, and the teleoperation of a bimanual underwater robot. Further perspectives are finally discussed, with suggestions of promising research directions.

研究动机与目标

• 为解决传统基于欧几里得空间的学习与控制的局限性，将黎曼几何整合到机器人系统中。
• 识别在未来的机器人学习应用中具有潜力但尚未被充分利用的流形。
• 在黎曼流形上开发并应用概率技术（如聚类、回归与信息融合）。
• 通过实际的机器人控制任务展示该框架的实用价值。
• 提出基于流形的机器人学习未来研究方向。

提出的方法

• 利用黎曼流形对机器人状态空间与参数空间的内在几何结构进行建模。
• 应用测地线以实现最优路径，利用平行移动实现曲面空间中的一致向量传输。
• 采用在流形上定义的高斯分布进行概率建模，实现对不确定性的感知学习。
• 整合基于流形的回归与聚类技术，实现数据驱动的策略与状态估计。
• 结合流形上的信息融合技术，提升传感器与控制数据的集成效果。
• 通过基于流形的优化方法调整控制策略，提升系统稳定性与性能。

实验结果

研究问题

• RQ1 黎曼几何如何提升在非欧几里得空间中机器人动力学的表征与学习能力？
• RQ2 在机器人应用中，定义与操作流形上高斯分布的最有效方法是什么？
• RQ3 哪些尚未被充分开发的流形在未来的机器人学习应用中具有潜力？
• RQ4 测地线与平行移动如何增强机器人系统中的控制与规划性能？
• RQ5 在实际机器人任务中，基于流形的概率模型相较于标准欧几里得方法在哪些方面表现更优？

主要发现

• 将黎曼几何与概率模型结合，可在复杂非线性机器人状态空间中实现更精确且稳健的学习。
• 基于流形的高斯过程与回归技术在泛化能力与不确定性量化方面优于欧几里得对应方法。
• 流形上的测地线路径可提供最优控制与规划轨迹，显著提升系统稳定性与收敛性。
• 平行移动确保在曲面空间中的一致向量运算，对可靠的学习与控制更新至关重要。
• 该框架成功实现了通过基于流形映射的表面肌电信号实时控制假肢手。
• 该方法通过在适当的黎曼流形上建模关节构型，实现了对水下双臂机器人的有效遥操作。