Control predictivo de modelos para el servo visual de manipuladores robóticos restringidos ajustado por aprendizaje por refuerzo

Para el servo visual basado en imágenes (IBVS) de manipuladores robóticos restringidos, se propone en este estudio una estrategia de control predictivo de modelos (MPC) ajustada por aprendizaje por refuerzo (RL). Primero, se utiliza el control predictivo de modelos para transformar la tarea de servo visual basada en imágenes en un problema de optimización no lineal, considerando las restricciones del sistema. En el diseño del controlador predictivo de modelos, se presenta un modelo de servo visual independiente de la profundidad como el modelo predictivo. A continuación, se entrena y se obtiene una matriz de pesos de función objetivo de control predictivo de modelos adecuada mediante un algoritmo de RL basado en gradientes de políticas deterministas profundas (DDPG). Luego, el controlador propuesto genera las señales conjuntas secuenciales, de modo que el manipulador robótico pueda responder al estado deseado rápidamente. Finalmente, se desarrollan experimentos de simulación comparativa apropiados para ilustrar la eficacia y estabilidad de la estrategia sugerida.