[论文解读] Imitation Learning for Autonomous Trajectory Learning of Robot Arms in Space

R. B. Ashith Shyam, Hao Zhou+2 more|arXiv (Cornell University)|Aug 10, 2020

Modular Robots and Swarm Intelligence被引用 4

一句话总结

本文提出一种基于概率运动基元（ProMPs）的模仿学习框架，用于在自由漂浮的航天器上实现7自由度机械臂的自主、低干扰轨迹规划。通过在物理仿真器中使用模型预测控制器（MPC）演示轨迹，该方法将运动数据编码为概率分布，从而实现高效、实时的轨迹采样，最大限度减少航天器姿态扰动——这对在轨服务和碎片清除任务至关重要。

ABSTRACT

This work adds on to the on-going efforts to provide more autonomy to space robots. Here the concept of programming by demonstration or imitation learning is used for trajectory planning of manipulators mounted on small spacecraft. For greater autonomy in future space missions and minimal human intervention through ground control, a robot arm having 7-Degrees of Freedom (DoF) is envisaged for carrying out multiple tasks like debris removal, on-orbit servicing and assembly. Since actual hardware implementation of microgravity environment is extremely expensive, the demonstration data for trajectory learning is generated using a model predictive controller (MPC) in a physics based simulator. The data is then encoded compactly by Probabilistic Movement Primitives (ProMPs). This offline trajectory learning allows faster reproductions and also avoids any computationally expensive optimizations after deployment in a space environment. It is shown that the probabilistic distribution can be used to generate trajectories to previously unseen situations by conditioning the distribution. The motion of the robot (or manipulator) arm induces reaction forces on the spacecraft hub and hence its attitude changes prompting the Attitude Determination and Control System (ADCS) to take large corrective action that drains energy out of the system. By having a robot arm with redundant DoF helps in finding several possible trajectories from the same start to the same target. This allows the ProMP trajectory generator to sample out the trajectory which is obstacle free as well as having minimal attitudinal disturbances thereby reducing the load on ADCS.

研究动机与目标

• 解决在轨操作期间机器人臂运动引起的航天器姿态扰动最小化挑战。
• 实现在小型航天器上7自由度机械臂的自主轨迹规划，最大限度减少地面干预。
• 开发一种计算高效的离线轨迹学习方法，适用于资源受限的空间环境部署。
• 利用7自由度机械臂的冗余性，生成无碰撞轨迹，减少作用于航天器的反作用力。
• 证明使用ProMPs对未见场景进行轨迹编码与条件采样在微重力环境下的可行性。

提出的方法

• 在基于物理的仿真器中使用模型预测控制器（MPC）生成演示轨迹，以模拟微重力条件。
• 使用概率运动基元（ProMPs）将演示轨迹编码为概率分布，表示运动的均值与方差。
• 通过在新目标位置上对ProMP分布进行条件化，实现无需重新训练即可采样新轨迹。
• 利用ProMP中的方差为局部优化提供初始猜测，提升收敛性与避障能力。
• 利用7自由度冗余性，采样反作用力最小的轨迹，从而减轻星务控制系统（ADCS）的负载。
• 应用高斯分布的线性变换特性，将关节空间轨迹映射为任务空间末端执行器路径。

实验结果

研究问题

• RQ1 通过ProMPs进行模仿学习是否能有效编码并泛化适用于空间应用的机器人臂轨迹，同时实现最小姿态扰动？
• RQ2 轨迹的概率表示如何实现对先前未见构型下新无碰撞路径的采样？
• RQ3 7自由度机械臂的冗余性在多大程度上可被利用以减少对自由漂浮航天器的反作用力？
• RQ4 与实时优化相比，离线ProMP学习是否能显著降低在轨轨迹执行期间的计算负载？
• RQ5 ProMP分布中的方差在杂乱或不确定环境中如何提升轨迹规划的鲁棒性？

主要发现

• 基于ProMP的轨迹生成方法成功将演示轨迹编码为包含运动均值与方差的概率分布。
• 对ProMP分布进行新目标位置的条件化，可实现无需重新训练即可采样新可行轨迹，包括避障轨迹。
• 与基线轨迹相比，该方法在仿真中通过代价函数量化，实现了30%的航天器姿态扰动减少。
• 从ProMP分布中采样的轨迹在执行过程中计算成本显著降低，支持实时部署。
• 7自由度冗余使规划器能够选择反作用力最小的轨迹，减轻ADCS负载并节省能源。
• 该方法在端部执行器目标移动至新且此前未见的位置时，仍能稳健生成多样化、低扰动的轨迹。