Embedding bifurcations into pneumatic artificial muscle

要約

複雑なボディダイナミクスを利用することは、ロボット工学における長年の課題であった。ソフトボディダイナミクスは、環境との相互作用において高い複雑性を持つ典型的な例である。これらのダイナミクスを計算資源として利用できることを報告する研究が増えてきています。代表的なソフトアクチュエータであるMcKibben空気圧人工筋肉もその一つです。本研究では、物理リザーバーコンピューティングの枠組みを用いて、周期的なダイナミクスやカオス的なダイナミクスを含む様々なダイナミクスを、分岐構造ごと空気圧人工筋肉に埋め込むことができることを実証しました。この結果は、この分岐埋め込みの機能を用いることで、学習データにはないダイナミクスを埋め込むことができることを示唆しています。これは、目的に必要な全てのパターンを設計・学習することなく、特定のパターンを学習することで、様々な質的に異なるパターンを空気圧人工筋肉に埋め込むことが可能であることを意味している。このように、本研究は、外部パターン生成器や制御のための学習データの量や種類を減らすことで、ロボット装置や制御の訓練を簡略化する新しい道筋に光を当てているのである。

要約(オリジナル)

Harnessing complex body dynamics has been a long-standing challenge in robotics. Soft body dynamics is a typical example of high complexity in interacting with the environment. An increasing number of studies have reported that these dynamics can be used as a computational resource. This includes the McKibben pneumatic artificial muscle, which is a typical soft actuator. This study demonstrated that various dynamics, including periodic and chaotic dynamics, could be embedded into the pneumatic artificial muscle, with the entire bifurcation structure using the framework of physical reservoir computing. These results suggest that dynamics that are not presented in training data could be embedded by using this capability of bifurcation embeddment. This implies that it is possible to embed various qualitatively different patterns into pneumatic artificial muscle by learning specific patterns, without the need to design and learn all patterns required for the purpose. Thus, this study sheds new light on a novel pathway to simplify the robotic devices and training of the control by reducing the external pattern generators and the amount and types of training data for the control.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL