Musculoskeletal AutoEncoder: A Unified Online Acquisition Method of Intersensory Networks for State Estimation, Control, and Simulation of Musculoskeletal Humanoids

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、その複雑な構造のモデリングは難しく、これまでに多くの学習ベースのシステムが開発されてきました。
データテーブルやニューラルネットワークで表現された関節と筋肉の関係を取得して制御する方法や、拡張カルマンフィルターやテーブル検索を利用した状態推定方法など、さまざまな方法があります。
本研究では、関節角度、筋張力、筋長の関係を表現する筋骨格系オートエンコーダを構築し、それを用いた筋骨格系ヒューマノイドの状態推定・制御・シミュレーションを統合的に行う手法を提案する。
実際のロボットのセンサー情報を用いて筋骨格系AutoEncoderをオンラインで更新することで、オンライン学習前よりもさらに正確な状態推定・制御・シミュレーションを継続的に行うことができます。
私たちは筋骨格系ヒューマノイド「ムサシ」を用いていくつかの実験を行い、その有効性を検証しました。

要約(オリジナル)

While the musculoskeletal humanoid has various biomimetic benefits, the modeling of its complex structure is difficult, and many learning-based systems have been developed so far. There are various methods, such as control methods using acquired relationships between joints and muscles represented by a data table or neural network, and state estimation methods using Extended Kalman Filter or table search. In this study, we construct a Musculoskeletal AutoEncoder representing the relationship among joint angles, muscle tensions, and muscle lengths, and propose a unified method of state estimation, control, and simulation of musculoskeletal humanoids using it. By updating the Musculoskeletal AutoEncoder online using the actual robot sensor information, we can continuously conduct more accurate state estimation, control, and simulation than before the online learning. We conducted several experiments using the musculoskeletal humanoid Musashi, and verified the effectiveness of this study.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google