基于强化学习的煤矿四足机器人控制
付鑫
煤炭科学研究总院有限公司智能矿山研究院,北京 100013;煤炭智能开采与岩层控制全国重点实验室,北京 100013;天地科技股份有限公司北京技术研究分公司,北京 100013
摘要：近年来,随着煤矿机器人巡检技术的广泛应用,轮式、轨道式和履带式巡检机器人已成为常见构型.然而,相较于这些传统构型,四足机器人因其较强的地形适应能力,能够在煤矿井下执行巡检任务,特别是,它能够应对台阶、轨道、崎岖沙石地面等多种复杂场景.由于井下作业环境的地形复杂且地面湿滑,四足机器人的动作控制和状态估计面临严峻的挑战.为此,设计了一种端到端神经网络控制器,融合了状态估计模块、电动机适应模块和控制模块,以实现对机器人速度、位姿、电动机驱动参数及其实时动力学特性的精确估计.在实现方法方面,基于物理引擎构建了动力学仿真环境,并通过深度强化学习对神经网络控制器进行了训练.为提高控制器的泛化能力,训练过程中采用了随机领域技术,将摩擦因数、电动机动力学特性以及机器人机身质量等关键参数进行随机化处理.此外,引入了非对称行动者-评论者强化学习算法、特权观察数据以及循环神经网络结构,进一步提升了训练效果.试验结果表明,设计的神经网络控制器在复杂井下环境中展现出优异的鲁棒性,显著提高了四足机器人的运动控制性能和状态估计精度.
关键词：煤矿巡检四足机器人神经网络控制器强化学习特权学习
分类号：TP242(自动化技术及设备)
论文发表日期：2025-06-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 20-26 )
英文信息