SpaceOctopus: An Octopus-inspired Motion Planning Framework for Multi-arm Space Robot

要約

宇宙ロボットは、自律的なメンテナンスと宇宙ゴミの除去において重要な役割を果たしてきました。
マルチアーム宇宙ロボットは、その柔軟性とアーム間の協調機能により、ターゲットの捕捉と基地の方向変更のタスクを効率的に完了できます。
しかし、複数のアームと浮遊ベースの両方から生じる複雑な結合特性により、マルチアーム宇宙ロボットの動作計画の問題が困難になります。
タコが獲物を捕まえたり、危険から逃げるときに同様の目的を優雅に達成することが観察されます。
タコの手足の分散制御にヒントを得て、宇宙ロボットのさまざまなアームの動きを管理するためのマルチレベル分散動作計画フレームワークを開発しました。
この動作計画フレームワークは、マルチエージェント強化学習 (MARL) パラダイムと自然に統合されます。
結果は、私たちの方法が以前の方法（集中トレーニング）よりも優れていることを示しています。
分散型フレームワークの柔軟性を活用して、さまざまなタスク用に訓練されたポリシーを再組み立てすることで、宇宙ロボットがさらなる学習を行わずに基本姿勢を調整しながら軌道計画タスクを完了できるようにします。
さらに、私たちの実験は、外乱、基本質量の変化、さらには 1 つのアームの故障に直面しても、私たちの方法が優れた堅牢性を持っていることを確認しています。

要約(オリジナル)

Space robots have played a critical role in autonomous maintenance and space junk removal. Multi-arm space robots can efficiently complete the target capture and base reorientation tasks due to their flexibility and the collaborative capabilities between the arms. However, the complex coupling properties arising from both the multiple arms and the free-floating base present challenges to the motion planning problems of multi-arm space robots. We observe that the octopus elegantly achieves similar goals when grabbing prey and escaping from danger. Inspired by the distributed control of octopuses’ limbs, we develop a multi-level decentralized motion planning framework to manage the movement of different arms of space robots. This motion planning framework integrates naturally with the multi-agent reinforcement learning (MARL) paradigm. The results indicate that our method outperforms the previous method (centralized training). Leveraging the flexibility of the decentralized framework, we reassemble policies trained for different tasks, enabling the space robot to complete trajectory planning tasks while adjusting the base attitude without further learning. Furthermore, our experiments confirm the superior robustness of our method in the face of external disturbances, changing base masses, and even the failure of one arm.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google