Environment-Centric Learning Approach for Gait Synthesis in Terrestrial Soft Robots

要約

移動歩行は軟陸ロボットの制御の基本です。
ただし、ロボットと環境の相互作用のモデリングと数学的枠組みの欠如により、これらの歩行の合成は困難です。
この研究では、環境中心の、データ駆動型でフォールトトレラントな確率的モデルフリー制御 (pMFC) フレームワークを提示します。これにより、ソフト多肢ロボットが環境から学習し、開ループ制御を実現するために多様な移動歩行のセットを合成できるようになります。
。
ここでは、ロボットと環境の相互作用を支配する要因を離散化することで、エッジがロボットの動作プリミティブに対応する実験的な移動データをエンコードする環境固有のグラフィック表現が可能になります。
このグラフでは、移動歩容は変換不変の単純なサイクルとして定義されます。つまり、移動はこれらの周期的なサイクルの開始頂点から独立しています。
歩容合成、つまり特定の基質に対して最適な歩行歩容を見つける問題は、線形化されたコスト関数、線形制約、および反復単純サイクル検出を使用した BILP (Binary Integer Linear Programming) 問題として定式化されます。
実験的に、さまざまなロボットと環境の相互作用に合わせて歩行が合成されます。
変数には、ロボットの形態 (3 肢ロボットと 4 肢ロボット、TerreSoRo-III および TerreSoRo-IV) が含まれます。
下地 – ゴムマット、ホワイトボード、カーペット。
アクチュエータ機能 – ロボットの四肢の作動の喪失をシミュレートします。
平均して、歩行合成により、並進速度と回転速度がそれぞれ 82% と 97% 向上します。
この結果は、システム内の予期せぬ非対称性と実験的なロボットと環境の相互作用に対する最適な歩行シーケンスの依存性が大きく影響するため、ソフトロボットの移動制御にはデータ駆動型の手法が不可欠であることを強調しています。

要約(オリジナル)

Locomotion gaits are fundamental for control of soft terrestrial robots. However, synthesis of these gaits is challenging due to modeling of robot-environment interaction and lack of a mathematical framework. This work presents an environment-centric, data-driven and fault-tolerant probabilistic Model-Free Control (pMFC) framework that allows for soft multi-limb robots to learn from their environment and synthesize diverse sets of locomotion gaits for realizing open-loop control. Here, discretization of factors dominating robot-environment interactions enables an environment-specific graphical representation where the edges encode experimental locomotion data corresponding to the robot motion primitives. In this graph, locomotion gaits are defined as simple cycles that are transformation invariant, i.e., the locomotion is independent of the starting vertex of these periodic cycles. Gait synthesis, the problem of finding optimal locomotion gaits for a given substrate, is formulated as Binary Integer Linear Programming (BILP) problems with a linearized cost function, linear constraints, and iterative simple cycle detection. Experimentally, gaits are synthesized for varying robot-environment interactions. Variables include robot morphology – three-limb and four-limb robots, TerreSoRo-III and TerreSoRo-IV; substrate – rubber mat, whiteboard and carpet; and actuator functionality – simulated loss of robot limb actuation. On an average, gait synthesis improves the translation and rotation speeds by 82% and 97% respectively. The results highlight that data-driven methods are vital to soft robot locomotion control due to the significant influence of unexpected asymmetries in the system and the dependence of optimal gait sequences on the experimental robot-environment interaction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google