Autonomous Control of a Novel Closed Chain Five Bar Active Suspension via Deep Reinforcement Learning

这篇论文讨论了一种主动悬挂系统，专注于底盘稳定和在遇到不可避免的障碍物时实现高效遍历，这是行星探索所必需的。此外，火星探测车和其他行星探索机器人通常携带着敏感的科学实验和组件，必须免受机械损伤。该模型采用软Actor-Critic (SAC)和比例积分微分(PID)控制来稳定底盘并以低速穿越大型障碍物。模型利用探测车与周围障碍物的距离、障碍物的高度以及底盘的方向来精确操纵悬挂系统的控制链。在Gazebo环境中进行的模拟实验用于验证所提出的主动系统。

本论文旨在解决行星探测中遇到的车身稳定和越过障碍物的问题，同时保护机器人上搭载的敏感科学实验和组件不受机械损伤。

论文提出了一种主动悬挂系统，集中于车身稳定和在遇到不可避免的障碍物时进行高效越过的方法。使用软Actor-Critic（SAC）和比例积分微分（PID）控制来稳定车身并以低速度穿越大障碍物。

论文使用Gazebo环境进行模拟，验证了所提出的主动系统。此外，论文还使用了机器人与周围障碍物的距离、障碍物的高度和车身方向等因素来精确操纵悬挂控制连杆。

最近的相关研究包括“Planetary Rover Traversability Analysis for Rough Terrain Navigation”和“Design and Control of a Mars Rover with a Rocker-Bogie Suspension System”。