Learning control strategy in soft robotics through a set of configuration spaces

要約

特定のタスクを実行するソフト ロボットの能力は、その接触構成によって決まり、多くの場合、目的の位置に到達したり、オブジェクトを操作したりするには、構成間の移行が必要になります。
この観察に基づいて、構成空間のグラフを定義することを含むソフトロボットを制御する方法を提案します。
さまざまなエージェントは、学習済みかどうかに関係なく (凸最適化、エキスパート軌道、衝突検出)、グラフの構造を使用して目的のタスクを解決します。
グラフとエージェントは、学習プロセスに直感的に統合される事前知識の一部です。
これらは、さまざまな最適化手法を組み合わせ、サンプル効率を向上させ、解釈可能性を提供するために使用されます。
接触構成に基づいてグラフを構築し、環境と接触する変形可能なビームとソフト マニピュレーターという 2 つのシナリオを通じてその有効性を実証します。安定性、学習速度、解釈可能性の点でベースラインを上回ります。

要約(オリジナル)

The ability of a soft robot to perform specific tasks is determined by its contact configuration, and transitioning between configurations is often necessary to reach a desired position or manipulate an object. Based on this observation, we propose a method for controlling soft robots that involves defining a graph of configuration spaces. Different agents, whether learned or not (convex optimization, expert trajectory, and collision detection), use the structure of the graph to solve the desired task. The graph and the agents are part of the prior knowledge that is intuitively integrated into the learning process. They are used to combine different optimization methods, improve sample efficiency, and provide interpretability. We construct the graph based on the contact configurations and demonstrate its effectiveness through two scenarios, a deformable beam in contact with its environment and a soft manipulator, where it outperforms the baseline in terms of stability, learning speed, and interpretability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google