基于强化学习的学习变阻抗控制

为了提高力控制的性能，使机器人高效自主地学习执行力控制任务，本文提出一种学习变阻抗控制方法。该方法采用基于模型的强化学习算法学习最优阻抗调节策略，使用高斯过程模型作为系统的变换动力学模型，允许概率化的推理与规划，并在成本函数中加入能量损失项，实现误差和能量的权衡。仿真实验结果表明：该学习变阻抗控制方法具有高效性，仅需数次交互即可成功学习完成力控制任务，大大减少了所需的交互次数与交互时间，且学习得到的阻抗控制策略具有仿生特性，可用于学习执行力敏感型任务。