Control of Microrobots Using Model Predictive Control and Gaussian Processes for Disturbance Estimation

要約

この論文では、外乱を軽減し、軌道追跡を改善するように設計された磁気駆動ミクロンスケール ロボット ($\mu$bots) の制御フレームワークを紹介します。
モデル化されていないダイナミクスと環境変動によってもたらされる課題に対処するために、データ駆動型モデリングとモデルベースの制御を組み合わせて、比較的少量のデータを使用して目的の軌道を正確に追跡します。
システムは単純な線形モデルで表され、外乱を捕捉して推定するためにガウス過程 (GP) が使用されます。
この外乱強化モデルは、モデル予測コントローラー (MPC) に統合されます。
私たちのアプローチは、シミュレーションと実験の両方のセットアップで有望なパフォーマンスを実証し、複雑な環境における正確で信頼性の高いマイクロロボット制御の可能性を示しています。

要約(オリジナル)

This paper presents a control framework for magnetically actuated micron-scale robots ($\mu$bots) designed to mitigate disturbances and improve trajectory tracking. To address the challenges posed by unmodeled dynamics and environmental variability, we combine data-driven modeling with model-based control to accurately track desired trajectories using a relatively small amount of data. The system is represented with a simple linear model, and Gaussian Processes (GP) are employed to capture and estimate disturbances. This disturbance-enhanced model is then integrated into a Model Predictive Controller (MPC). Our approach demonstrates promising performance in both simulation and experimental setups, showcasing its potential for precise and reliable microrobot control in complex environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google