Phase-Amplitude Reduction-Based Imitation Learning

要約

この研究では、模倣学習フレームワークを構築するために位相振幅低減法の使用を提案します。
人間の動きの軌跡を模倣することは、人間のようなロボットのさまざまな動きを生成するための有望な戦略として認識されています。
これまでの動的システムベースの模倣学習アプローチとは異なり、私たちが提案した方法では、ロボットがリミットサイクル軌道を模倣するだけでなく、初期状態または外乱状態からリミットサイクルまでの過渡的な動きを再現することもできます。
したがって、私たちの方法は、外乱直後や指定された初期状態からの予測不可能な動作の生成を回避する、より安全な模倣学習アプローチを提供します。
まず、単純なリミットサイクル アトラクターを再構築することで、提案された方法を検証しました。
次に、シミュレートされたロボットアームを使用したレムニスケート軌道追跡タスクに関して、提案されたアプローチと従来の方法を比較しました。
私たちの調査結果は、私たちの提案した方法が、以前の標準的なアプローチと比較して、ターゲットの周期的アトラクターに収束する過渡的な動きをより正確に生成できることを裏付けています。
次に、この手法を実際のロボット アームに適用して、人間の周期的な動きを模倣しました。

要約(オリジナル)

In this study, we propose the use of the phase-amplitude reduction method to construct an imitation learning framework. Imitating human movement trajectories is recognized as a promising strategy for generating a range of human-like robot movements. Unlike previous dynamical system-based imitation learning approaches, our proposed method allows the robot not only to imitate a limit cycle trajectory but also to replicate the transient movement from the initial or disturbed state to the limit cycle. Consequently, our method offers a safer imitation learning approach that avoids generating unpredictable motions immediately after disturbances or from a specified initial state. We first validated our proposed method by reconstructing a simple limit-cycle attractor. We then compared the proposed approach with a conventional method on a lemniscate trajectory tracking task with a simulated robot arm. Our findings confirm that our proposed method can more accurately generate transient movements to converge on a target periodic attractor compared to the previous standard approach. Subsequently, we applied our method to a real robot arm to imitate periodic human movements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google