.png){kind=icon}
返回
Enhancing position-based visual servoing performance through transformer-based acceleration-level reinforcement learning
.png){kind=icon}
OA
AI
DOI：10.1007/s40747-025-02056-8.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
视觉伺服是机器人操作的一种基本方法，它依赖视觉反馈来精确控制机器人运动。大多数方法能够生成速度控制信号以引导相机到达期望位置和姿态，但通常在动态响应性以及对噪声和未建模动态的鲁棒性方面存在局限性。本文提出了一种基于位置的新型加速度级视觉伺服控制框架，该框架通过集成了基于Transformer的时间序列处理的深度强化学习（DRL）进行增强。该方法的核心包含两个关键要素：首先，控制器在设计中保留了基于位置的视觉伺服的理论方法，确保了透明度和有保证的性能基准；其次，考虑到伺服控制的时序特性，提出了一种在近端策略优化（PPO）强化学习方案中的基于Transformer的演员-评论家架构，以提升学习效率与性能。在模拟和真实机器人场景中进行了全面的实验。结果表明，与传统速度级控制器相比，所提出的方法在笛卡尔空间中表现出更优越的动态特性、增强的跟踪性能以及对噪声的降低敏感性。
Keyword:
Position-based visual servoing
Acceleration-level controller
Deep reinforcement learning
Robot manipulator
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.6
论文数:
2.1K
被引数:
6.6K
机构
引用论文
An acceleration command approach to robotic stereo image-based visual servoing基于机器人立体图像的视觉伺服加速指令方法.png)
IF0
PREAI
分享收藏Novel Position-Based Visual Servoing Approach to Robust Global Stability Under Field-of-View Constraint一种新的基于位置的视觉伺服方法，用于在视场约束下实现鲁棒的全局稳定性
PREAI
分享收藏分享收藏
分享收藏An acceleration-level visual servoing scheme for robot manipulator with IoT and sensors using recurrent neural network使用递归神经网络的具有物联网和传感器的机器人机械手的加速度级视觉伺服方案MEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏
查看更多内容