Meta-Control: Automatic Model-based Control Synthesis for Heterogeneous Robot Skills

实际操作任务的要求是多样的，而且常常相互矛盾；有些任务需要精确的运动，而另一些任务则需要力量的遵从；有些任务需要避免某些区域，而其他任务则需要收敛到某些状态。使用固定的状态-动作表示和控制策略来满足这些多样化的要求是具有挑战性的，阻碍了通用机器人基础模型的发展。在这项工作中，我们提出了Meta-Control，这是第一个启用LLM的自动控制合成方法，它创建了定制的状态表示和控制策略，以适应特定任务。我们的核心洞察力是，可以构建一个元控制系统来自动化人类专家用于设计控制系统的思维过程。具体而言，人类专家在很大程度上使用基于模型的、分层的（从抽象到具体）思维模型，然后将各种动态模型和控制器组合在一起形成控制系统。Meta-Control模仿这种思维模型，并利用LLM的广泛控制知识和苏格拉底的“助产术”，自动化思维过程。Meta-Control因其完全基于模型的性质而脱颖而出，允许严格的分析、泛化、鲁棒性、高效的参数调整和可靠的实时执行。

解决问题的多样性和冲突性，固定的状态-动作表示和控制策略难以适应不同的任务。

提出Meta-Control，使用LLM的控制知识和Socrates的思维模型自动生成定制的状态表示和控制策略。

Meta-Control是完全基于模型的方法，具有严格的分析、可泛化性、鲁棒性、高效参数调整和可靠实时执行。

与本文相关的研究包括使用元学习的自适应控制，以及使用深度学习的控制器自动生成。