Gaussian Process-Based Learning Control of Underactuated Balance Robots with an External and Internal Convertible Modeling Structure

要約

外部および内部コンバーチブル (EIC) フォームベースのモーション制御は、作動が不十分なバランス ロボットの軌道追跡とバランスを同時に行う効果的な設計の 1 つです。
ただし、特定の条件下では、EIC ベースの制御設計ではロボットの動きが制御されなくなります。
我々は、EICモデリング構造を備えた非作動バランスロボットのためのガウス過程(GP)ベースのデータ駆動型学習制御を提案する。
EIC 構造プロパティを使用して、2 つの GP ベースの学習コントローラーが表示されます。
部分 EIC (PEIC) ベースの制御設計は、ロボットのダイナミクスを完全に作動するサブシステムと 1 つの低次数で作動しないシステムに分割します。
ヌル空間 EIC (NEIC) ベースの制御は、部分空間内の制御されていない動きを補償しますが、他の閉ループ ダイナミクスは影響を受けません。
PEIC および NEIC ベースでは、元の EIC ベースの制御によって制御されない動作を引き起こすことなく、追跡およびバランスタスクが保証され、収束率と限界誤差が達成されます。
結果を検証し、2 つの倒立振子プラットフォームを使用して GP ベースの学習制御設計のパフォーマンスを実証します。

要約(オリジナル)

External and internal convertible (EIC) form-based motion control is one of the effective designs of simultaneously trajectory tracking and balance for underactuated balance robots. Under certain conditions, the EIC-based control design however leads to uncontrolled robot motion. We present a Gaussian process (GP)-based data-driven learning control for underactuated balance robots with the EIC modeling structure. Two GP-based learning controllers are presented by using the EIC structure property. The partial EIC (PEIC)-based control design partitions the robotic dynamics into a fully actuated subsystem and one reduced-order underactuated system. The null-space EIC (NEIC)-based control compensates for the uncontrolled motion in a subspace, while the other closed-loop dynamics are not affected. Under the PEIC- and NEIC-based, the tracking and balance tasks are guaranteed and convergence rate and bounded errors are achieved without causing any uncontrolled motion by the original EIC-based control. We validate the results and demonstrate the GP-based learning control design performance using two inverted pendulum platforms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google