Forward Dynamics Estimation from Data-Driven Inverse Dynamics Learning

要約

本論文では、逆動力学のモデルを学習し、そこから個々の動力学成分を推定することにより、機械システムの順動力学方程式を推定することを提案します。
慣性成分や重力成分などの物理力学成分を逆力学モデルから外挿するために、剛体力学の古典的な定式化を再検討します。
動的コンポーネントを推定した後、順ダイナミクスを学習した逆ダイナミクスの関数として閉じた形式で計算できます。
提案された方法をガウス過程回帰に基づくいくつかの機械学習モデルでテストし、順ダイナミクスを直接学習する標準的なアプローチと比較しました。
2 つのシミュレートされたロボット マニピュレータ (PANDA Franka Emika と UR10) での結果は、提案された方法が順ダイナミクスの学習において、精度の点と、より構造化されたモデルを使用する可能性の両方の点で有効であることを示しています。

要約(オリジナル)

In this paper, we propose to estimate the forward dynamics equations of mechanical systems by learning a model of the inverse dynamics and estimating individual dynamics components from it. We revisit the classical formulation of rigid body dynamics in order to extrapolate the physical dynamical components, such as inertial and gravitational components, from an inverse dynamics model. After estimating the dynamical components, the forward dynamics can be computed in closed form as a function of the learned inverse dynamics. We tested the proposed method with several machine learning models based on Gaussian Process Regression and compared them with the standard approach of learning the forward dynamics directly. Results on two simulated robotic manipulators, a PANDA Franka Emika and a UR10, show the effectiveness of the proposed method in learning the forward dynamics, both in terms of accuracy as well as in opening the possibility of using more structured~models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google