Model-free tracking control of complex dynamical trajectories with machine learning

要約

動的システムが所望の軌道を追跡できるようにする非線形追跡制御はロボット工学の基礎であり、民間および防衛の幅広い用途に役立ちます。
制御工学において、トラッキング制御を設計するには、システム モデルと方程式に関する完全な知識が必要です。
私たちは、部分的に観察された状態のみを使用して二腕ロボットマニピュレーターを制御するためのモデルフリーの機械学習フレームワークを開発します。コントローラーはリザーバーコンピューティングによって実現されます。
確率的入力はトレーニングに利用され、観測された部分状態ベクトルを最初の要素として、その直近の未来を 2 番目の要素として構成され、ニューラル マシンは後者を前者の将来の状態と見なします。
テスト (展開) フェーズでは、直近の将来のコンポーネントが、基準軌道からの目的の観測ベクトルに置き換えられます。
さまざまな周期的およびカオス的な信号を使用して制御フレームワークの有効性を実証し、測定ノイズ、外乱、および不確実性に対するその堅牢性を確立します。

要約(オリジナル)

Nonlinear tracking control enabling a dynamical system to track a desired trajectory is fundamental to robotics, serving a wide range of civil and defense applications. In control engineering, designing tracking control requires complete knowledge of the system model and equations. We develop a model-free, machine-learning framework to control a two-arm robotic manipulator using only partially observed states, where the controller is realized by reservoir computing. Stochastic input is exploited for training, which consists of the observed partial state vector as the first and its immediate future as the second component so that the neural machine regards the latter as the future state of the former. In the testing (deployment) phase, the immediate-future component is replaced by the desired observational vector from the reference trajectory. We demonstrate the effectiveness of the control framework using a variety of periodic and chaotic signals, and establish its robustness against measurement noise, disturbances, and uncertainties.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google