Imitation Learning and Model Integrated Excavator Trajectory Planning 论文解读

1、背景

目前自动挖掘机轨迹生成的两个方法：

1. 基于模型轨迹规划：基于规则（使用规则生成轨迹，给定挖掘条件经过微调后可用但是缺乏泛化能力）、基于优化（试图根据挖掘机的运动学和逆运动学动态模型以及环境信息[6]，[7]，生成能够最小化（或最大化）某些目标的轨迹。在模型正确、数据足够的情况下，表现好，但是建模困难和多解的问题）
2. 基于学习轨迹规划：从数据中生成挖掘轨迹，或者通过其他方法，如RL或者IL生成。

本文提出了：基于挖掘轨迹IL和模型优化的两阶段方法。收集数据，模仿学习获得策略后，使用Dagger在线收集轨迹并更新模仿学习策略。

2、方法

1. 

采集数据训练Actor网络后，在实际环境中运行Actor，输入新的s生成路径，人工检测路径是否合适，如果合适，则通过STOMP方法优化轨迹并让Fanka执行；若不够好，直接人工示教，轨迹交由Franka执行。

并且在每一回合收集数据后，使用Dagger方法优化Actor网络参数。

2.1 模仿学习(Actor网络)

输入：待挖区域信息（待挖物料相对高程+物料类型）、挖掘机状态

输出：挖机动作轨迹

2.1.1 地形信息

<