A Data-Driven Approach to Geometric Modeling of Systems with Low-Bandwidth Actuator Dynamics

要約

ソフトロボットのシステム同定は、その運動不足と高次元ダイナミクスのために困難である。本研究では、幾何力学（ゲージ理論としても知られる）に基づき、システムの内部構成を低帯域幅で制御するシステムに適用可能な、データ駆動型のモデリングフレームワークを提示する。この手法は、確率的に摂動された反復行動から得られたデータポイントに基づいて、アクチュエータと運動ダイナミクスからなる一連の連結モデルを構築する。対称性を持つ散逸ラグランジアン系の一般的な定式化からこれらの連結モデルを導出することにより、ハイドロゲルクローラーに用いられる膨潤駆動アクチュエータを含む、一次で低域通過のアクチュエータダイナミクスを持つロボットに広く適用できる方法を提供する。これらのモデルは、単純化された水泳ロボットモデルのシステム形状と体の動きのダイナミクスを正確に捉える。さらに、我々のアプローチを刺激応答性ハイドロゲルシミュレータに適用し、生物医学的に重要なマイクロマシンの形状変化を駆動する化学-機械相互作用の複雑さを捉える。最後に、モデルを繰り返し改良することによって制御信号を数値的に最適化するアプローチを提案し、これをハイドロゲルクローラの入力波形の最適化に適用する。この現実的な環境への応用は、運動器設計や生体医工学への応用に期待できる。

要約(オリジナル)

It is challenging to perform system identification on soft robots due to their underactuated, high-dimensional dynamics. In this work, we present a data-driven modeling framework, based on geometric mechanics (also known as gauge theory) that can be applied to systems with low-bandwidth control of the system’s internal configuration. This method constructs a series of connected models comprising actuator and locomotor dynamics based on data points from stochastically perturbed, repeated behaviors. By deriving these connected models from general formulations of dissipative Lagrangian systems with symmetry, we offer a method that can be applied broadly to robots with first-order, low-pass actuator dynamics, including swelling-driven actuators used in hydrogel crawlers. These models accurately capture the dynamics of the system shape and body movements of a simplified swimming robot model. We further apply our approach to a stimulus-responsive hydrogel simulator that captures the complexity of chemo-mechanical interactions that drive shape changes in biomedically relevant micromachines. Finally, we propose an approach of numerically optimizing control signals by iteratively refining models, which is applied to optimize the input waveform for the hydrogel crawler. This transfer to realistic environments provides promise for applications in locomotor design and biomedical engineering.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL