Adaptive Gait Modeling and Optimization for Principally Kinematic Systems

要約

予期せぬ動作条件へのロボットの適応は、複雑な現実世界の設定で持続性と堅牢性を実現するために重要です。
マイクロおよびナノスケールのロボット、ソフトロボット、医療用ロボット、バイオハイブリッドロボットなどの幅広い最先端のロボットシステムでは、多数の要素から生じる複雑さのため、動作環境を事前に予測することは不可能です。
要因としては、製造における不正確さ、化学機械的力、およびよく理解されていない接触力学などが挙げられます。
データ駆動型モデリング、幾何学力学 (またはゲージ理論)、および適応制御からインスピレーションを得て、適応システム同定フレームワークを採用し、主に運動学的運動器 (レイリー散逸またはゼロ運動量保存によって支配される運動器) の性能向上におけるその有効性を実証します。
。
動作最適化フレームワーク内で変化する地形や繰り返し変更された動作に効率的に対応する適応モデルの機能を紹介します。
これにより、基本的な動作を改善する機能と、モーション トラッキングを正確に実行する機能の両方が提供されます。
特に、リンクごとに約 10 サイクルを使用してパーセル スイマーの歩行を最適化できます。これにより、9 リンク パーセル スイマーの場合、最適化速度が最先端の 10 倍向上します。
単なる計算速度の向上を超えて、この 10 倍の改善により、特にシミュレーションが現実世界に対して不十分なガイドを提供する領域において、この方法を現場での動作の改良、損傷の回復、および地形適応にうまく導入できる可能性があります。

要約(オリジナル)

Robotic adaptation to unanticipated operating conditions is crucial to achieving persistence and robustness in complex real world settings. For a wide range of cutting-edge robotic systems, such as micro- and nano-scale robots, soft robots, medical robots, and bio-hybrid robots, it is infeasible to anticipate the operating environment a priori due to complexities that arise from numerous factors including imprecision in manufacturing, chemo-mechanical forces, and poorly understood contact mechanics. Drawing inspiration from data-driven modeling, geometric mechanics (or gauge theory), and adaptive control, we employ an adaptive system identification framework and demonstrate its efficacy in enhancing the performance of principally kinematic locomotors (those governed by Rayleigh dissipation or zero momentum conservation). We showcase the capability of the adaptive model to efficiently accommodate varying terrains and iteratively modified behaviors within a behavior optimization framework. This provides both the ability to improve fundamental behaviors and perform motion tracking to precision. Notably, we are capable of optimizing the gaits of the Purcell swimmer using approximately 10 cycles per link, which for the nine-link Purcell swimmer provides a factor of ten improvement in optimization speed over the state of the art. Beyond simply a computational speed up, this ten-fold improvement may enable this method to be successfully deployed for in-situ behavior refinement, injury recovery, and terrain adaptation, particularly in domains where simulations provide poor guides for the real world.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google