44、多面碰撞与张力机器人：模型实验与控制策略研究

多面碰撞与张力机器人：模型实验与控制策略研究

1 张力机器人的控制策略与模型

1.1 先验策略与对称性利用

在张力机器人的控制中，先验策略能减少GPS（Guided Policy Search）迭代所需的次数。例如，对于SBv2这种具有高度规则拓扑结构的机器人，其存在24种操作$H_j$，这些操作可以在不改变系统内在动力学的情况下，对单个结构元素的标签进行置换并转换空间参考系。策略可以表示为$u = H_j^{-1} \pi(H_j y)$，通过适当选择规则集$j = j(y)$，观测空间$Y$的所需覆盖范围可以压缩24倍至子集$Y_R$。

1.2 策略搜索流程

1.2.1 总体概述

强化学习的基本流程是在各种条件下执行控制策略以获取样本数据，根据每个样本的表现更新控制策略，然后重复这个过程。使用NASA的Tensegrity Robotics Toolkit作为模拟测试平台来生成样本，以简单的基于模型的控制器作为初始策略$\pi_0$。

1.2.2 样本分割与分类

由于任意轴滚动时运动的多样性，样本数据的分割和分类是必要的。当质心的地面投影穿过凸包的边缘时，轨迹会被分割。分割类别根据底部三角形的类型（$\Delta$或$\Lambda$）以及穿过的边缘之间的关系来分配。这个过程与对称性减少相互作用，使得即使使用不可微的黑盒动力学测试平台，也能进行基于梯度的优化。

1.2.3 动态特征空间

为了克服高维数据对局部动力学模型拟合的阻碍，选择低维特征。主要考虑的外部影响因素是接触节点上的法向力、摩擦力和作用在质心上的重力，因此选择底部三角形节点相