PINN-Ray: A Physics-Informed Neural Network to Model Soft Robotic Fin Ray Fingers

要約

ソフト ロボティクスの複雑な変形をモデル化することは、その動作を理解するためのガイドラインを提供し、環境との安全な相互作用につながります。
ただし、複雑な形状、大きな変形、材料の非線形性などによる非線形性のため、ソフト ロボティクスにとって、高精度かつ高速な推論速度でサロゲート モデルを構築することは困難な場合があります。また、サロゲート モデルとの現実のギャップにより、ソフト ロボティクス領域でのさらなる展開も妨げられます。
。
この研究では、Fin Ray ソフト ロボット グリッパーの複雑な変形をモデル化するために、PINN-Ray という名前の物理情報に基づいたニューラル ネットワーク (PINN) を提案しました。これには、弾性力学からの最小位置エネルギー原理と追加の高忠実度の実験データが埋め込まれています。
トレーニング用のニューラルネットワークの損失関数。
この方法は、他のデータ駆動型ニューラル ネットワークと比較して、複雑なジオメトリへの一般化とデータ不足に対する堅牢性の点で重要です。
さらに、外部作動下でのフィン・レイ指の変形をモデル化することが広範に評価されています。
PINN-Ray は、シミュレーションと実数のギャップを処理するためにデータ同化スキームを適用した後、有限要素モデリング (FEM) と比較して精度が向上していることを示しています。
さらに、ソフトロボットフィンガーを設計、製造し、視覚追跡によってその変形を特徴付けるための自動フレームワークを導入しました。これは、ソフトロボット工学の高速プロトタイプのガイドラインを提供します。

要約(オリジナル)

Modelling complex deformation for soft robotics provides a guideline to understand their behaviour, leading to safe interaction with the environment. However, building a surrogate model with high accuracy and fast inference speed can be challenging for soft robotics due to the nonlinearity from complex geometry, large deformation, material nonlinearity etc. The reality gap from surrogate models also prevents their further deployment in the soft robotics domain. In this study, we proposed a physics-informed Neural Networks (PINNs) named PINN-Ray to model complex deformation for a Fin Ray soft robotic gripper, which embeds the minimum potential energy principle from elastic mechanics and additional high-fidelity experimental data into the loss function of neural network for training. This method is significant in terms of its generalisation to complex geometry and robust to data scarcity as compared to other data-driven neural networks. Furthermore, it has been extensively evaluated to model the deformation of the Fin Ray finger under external actuation. PINN-Ray demonstrates improved accuracy as compared with Finite element modelling (FEM) after applying the data assimilation scheme to treat the sim-to-real gap. Additionally, we introduced our automated framework to design, fabricate soft robotic fingers, and characterise their deformation by visual tracking, which provides a guideline for the fast prototype of soft robotics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google