Dynamic Task Control Method of a Flexible Manipulator Using a Deep Recurrent Neural Network

要約

柔軟なボディは、作動が少ないため、環境との接触の点で剛体に比べて利点があります。
一方で、従来の制御手法を適用して柔軟体による動的な課題を実現する場合、柔軟体の正確なモデリングと、課題を達成するための中間姿勢の導出という2つの困難が生じます。
学習ベースの方法は、正確なモデリングよりも効果的であると考えられていますが、明示的な中間姿勢が必要です。
この2つの課題を同時に解決するために、私たちは、制御コマンドと画像情報を含むロボットの状態との関係を取得するディープリカレントニューラルネットワーク(DTXNET)を用いたリアルタイムタスク制御手法を開発しました。
タスクの状態。
ネットワークがトレーニングされると、特定のタスクを実現するために必要なのは、ターゲット イベントとそのタイミングだけです。
我々の手法の有効性を実証するために、例として和太鼓の演奏タスクにこの手法を適用し、DTXNET の最適な構成を検証しました。

要約(オリジナル)

The flexible body has advantages over the rigid body in terms of environmental contact thanks to its underactuation. On the other hand, when applying conventional control methods to realize dynamic tasks with the flexible body, there are two difficulties: accurate modeling of the flexible body and the derivation of intermediate postures to achieve the tasks. Learning-based methods are considered to be more effective than accurate modeling, but they require explicit intermediate postures. To solve these two difficulties at the same time, we developed a real-time task control method with a deep recurrent neural network named Dynamic Task Execution Network (DTXNET), which acquires the relationship among the control command, robot state including image information, and task state. Once the network is trained, only the target event and its timing are needed to realize a given task. To demonstrate the effectiveness of our method, we applied it to the task of Wadaiko (traditional Japanese drum) drumming as an example, and verified the best configuration of DTXNET.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google