Manipolazione di oggetti lineari deformabili mediante il controllo Model Predictive Path Integral con apprendimento basato su reti Long Short-Term Memory bidirezionali

Abstract degli autori

La manipolazione di oggetti lineari deformabili (DLO), come i cavi, rappresenta una sfida significativa per l’automazione, a causa dei loro infiniti gradi di libertà e delle dinamiche non lineari. In questo articolo presentiamo un approccio al controllo ottimale basato sull’apprendimento automatico per manipolare i DLO. L’approccio si articola in due componenti principali: modellazione e controllo. Per modellare la dinamica dei DLO, proponiamo un approccio basato sull’apprendimento che utilizza una rete Long Short-Term Memory bidirezionale (biLSTM). La rete biLSTM viene addestrata su dati sintetici generati dal motore fisico MuJoCo. Per manipolare i DLO, viene scelta una strategia di controllo predittivo basato su modello che impiega il controllo Model Predictive Path Integral (MPPI). L’approccio proposto viene valutato mediante simulazioni ed esperimenti. I risultati dimostrano l’efficacia del metodo proposto nel manipolare i DLO con precisione ed efficienza.