Verallgemeinerung eines erlernten inversen dynamischen Modells des KUKA LWR IV+ für Lastvariationen unter Verwendung von Regression im Modellspektrum

In diesem Papier zeigen wir die Verallgemeinerung eines inversen dynamischen Modells für KUKA LWR IV+ unter Variationen der Lastmasse. Wir verwenden einen modularen Ansatz, der auf Regression im Modellspektrum basiert. Zunächst werden inverse dynamische Modelle für die bekannten Massen mit einem kürzlich vorgeschlagenen Ansatz namens Independent Joint Learning (IJL) erlernt. Bei IJL werden die Drehmomentfehler aufgrund von nicht modellierten Dynamiken des echten Roboters unter Verwendung nur von gelenk-lokalen Informationen geschätzt. Zweitens wird eine Zuordnung von der Lastmasse zu den Modellparametern des Drehmomentfehlermodells erlernt, um die inversen Dynamiken auf neue Lastmassen zu verallgemeinern. Der modulare Ansatz verbessert die Genauigkeit eines bestehenden inversen dynamischen Modells des KUKA LWR IV+. Die Ergebnisse werden mit einem eindimensionalen IJL-Ansatz verglichen. Die Ergebnisse zeigen die hervorragende Verallgemeinerung für neue Lastmassen unter Verwendung von Regression im Modellspektrum.