Co-Optimization of Robot Design and Control: Enhancing Performance and Understanding Design Complexity

要約

通常、ロボットのデザイン（形状）は制御を実装する前に決定されます。
設計の適合性は、設計とコントローラーの両方が必要なタスクでロボットがどれだけうまく機能するかによって決まるため、これにより、設計がタスクにどの程度うまく適応するかが制限される可能性があります。
ロボットの設計と制御の同時最適化または同時最適化は、両方ともタスクに適応した設計と制御を生成することで、この制限に対処します。
このペーパーでは、設計と制御の共同最適化に固有の課題のいくつかを調査します。
協調最適化プロセスの終了後に追加リソースを使用してロボットのコントローラーを再トレーニングすると、ロボットのパフォーマンスが大幅に向上することを示します。
さらに、各設計のコントローラーのトレーニングに割り当てられたリソースが設計の複雑さに影響を及ぼし、設計が単純であるほどトレーニング予算が少なくなることを示します。
実験は、設計と制御を同時に最適化するために 4 つの公的に利用可能なシミュレーション環境で実施され、結果を一般的なケースにより適用できるようにしています。
この論文で提示された結果は、ロボットの設計と制御の共同最適化において他の専門家を導くことを期待しています。

要約(オリジナル)

The design (shape) of a robot is usually decided before the control is implemented. This might limit how well the design is adapted to a task, as the suitability of the design is given by how well the robot performs in the task, which requires both a design and a controller. The co-optimization or simultaneous optimization of the design and control of robots addresses this limitation by producing a design and control that are both adapted to the task. In this paper, we investigate some of the challenges inherent in the co-optimization of design and control. We show that retraining the controller of a robot with additional resources after the co-optimization process terminates significantly improves the robot’s performance. In addition, we demonstrate that the resources allocated to training the controller for each design influence the design complexity, where simpler designs are associated with lower training budgets. The experimentation is conducted in four publicly available simulation environments for co-optimization of design and control, making the findings more applicable to the general case. The results presented in this paper hope to guide other practitioners in the co-optimization of design and control of robots.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google