Online Learning Feedback Control Considering Hysteresis for Musculoskeletal Structures

要約

筋骨格ヒューマノイドにはさまざまな生体模倣の利点がありますが、その複雑なモデリングは難しく、多くの学習制御手法が開発されています。
しかし、実際のロボットでは関節角度追従のヒステリシスが依然として障害となり、目標姿勢を迅速かつ正確に実現することが困難でした。
そこで、ヒステリシスを考慮したフィードバック制御手法を開発します。
筋骨格体の閉リンク構造に起因するフィードバック制御の問題を解決するために、関節角度の誤差と目標筋長の変化との関係を表すニューラルネットワークをオンラインで更新し、目標関節角度を高精度に実現します。
試行回数が少ない。
さまざまなネットワーク構造と損失定義を備えたいくつかの構成のパフォーマンスを比較し、実際の筋骨格ヒューマノイドである武蔵でのこの研究の有効性を検証します。

要約(オリジナル)

While the musculoskeletal humanoid has various biomimetic benefits, its complex modeling is difficult, and many learning control methods have been developed. However, for the actual robot, the hysteresis of its joint angle tracking is still an obstacle, and realizing target posture quickly and accurately has been difficult. Therefore, we develop a feedback control method considering the hysteresis. To solve the problem in feedback controls caused by the closed-link structure of the musculoskeletal body, we update a neural network representing the relationship between the error of joint angles and the change in target muscle lengths online, and realize target joint angles accurately in a few trials. We compare the performance of several configurations with various network structures and loss definitions, and verify the effectiveness of this study on an actual musculoskeletal humanoid, Musashi.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google