VBOC: Learning the Viability Boundary of a Robot Manipulator using Optimal Control

要約

ロボット工学の応用において、安全性はしばしば最も重要な要件である。それにもかかわらず、ロボットマニピュレータのような非線形システムにおいて、安全性を保証できる制御技術はまだ極めて稀である。安全性を保証するためのツールとして、安全性が確保できる最大の状態集合であるバイアビリティカーネルがよく知られている。しかし、非線形システムでこのような集合を計算することは、一般的に非常に困難である。近似するためのいくつかの数値アルゴリズムが文献で提案されているが、それらは次元の呪いに悩まされている。本論文では、ロボットマニピュレータのビアビリティカーネルを数値的に近似するための新しいアプローチを紹介する。我々のアプローチは、集合の境界上にあることが保証された状態を計算するために、最適制御問題を解く。これにより、集合の境界を直接学習することができるため、より小さい次元の空間で学習することができる。6次元までのシステムにおける最新技術と比較して、我々のアルゴリズムは、同じ計算時間で2倍以上、同じ精度に達するには6倍以上の速度が得られるという結果を得た。

要約(オリジナル)

Safety is often the most important requirement in robotics applications. Nonetheless, control techniques that can provide safety guarantees are still extremely rare for nonlinear systems, such as robot manipulators. A well-known tool to ensure safety is the Viability kernel, which is the largest set of states from which safety can be ensured. Unfortunately, computing such a set for a nonlinear system is extremely challenging in general. Several numerical algorithms for approximating it have been proposed in the literature, but they suffer from the curse of dimensionality. This paper presents a new approach for numerically approximating the viability kernel of robot manipulators. Our approach solves optimal control problems to compute states that are guaranteed to be on the boundary of the set. This allows us to learn directly the set boundary, therefore learning in a smaller dimensional space. Compared to the state of the art on systems up to dimension 6, our algorithm resulted to be more than 2 times as accurate for the same computation time, or 6 times as fast to reach the same accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL