PRISCA: Um método de busca de políticas para seguimento de trajetórias extremas

Considere a manobra de estacionamento em slide; dada uma demonstração desejada, como repeti-la com precisão? Muitas tarefas de robótica, como o estacionamento em slide, podem ser formuladas em seguimento de trajetória, mas não muitas dinâmicas podem ser facilmente modeladas para facilitar a resolução pelo controle ótimo. Embora um fluxo emergente na robótica seja aprender as dinâmicas e a política a partir de demonstrações, múltiplas, se não inúmeras, demonstrações são necessárias. Portanto, aprender uma política a partir de experiências escassas continua sendo um problema difícil. Neste artigo, propomos um algoritmo online para aprender uma política de controle usando apenas uma demonstração desejada e nosso conhecimento intuitivo do sistema dinâmico. Nossa abordagem se baseia nesta observação: para seguimento de trajetória, mesmo em um sistema dinâmico altamente não linear e acoplado, desde que a desvio do estado seja inicialmente pequeno, uma política pode ser atualizada online para manter o robô no caminho de acordo com uma informação de modelo muito óbvia e grosseira (por exemplo, para dirigir, esta informação é simplesmente: vire à esquerda para virar à esquerda). Nossa busca por políticas é então estruturada como um problema de minimização de função, e é resolvida por descida de gradiente usando as técnicas de baseline ótimo, erro de menor desvio de estado, suavização e em uma depreciação inversa como intensificador de custo. Além das garantias de desempenho e convergência, também demonstramos seu desempenho em duas simulações e em um cenário extremo de seguimento de trajetória - experimento de estacionamento em slide com tração nas quatro rodas. Para o nosso melhor conhecimento, é o estacionamento em slide de precisão autônoma de última geração de um carro RC 4×4 sem freios.