Learning-based Nonlinear Model Predictive Control of Articulated Soft Robots using Recurrent Neural Networks

要約

ソフトロボットは制御の点で困難を伴い、柔軟な構造を効果的に操作するには新しい戦略が必要です。
モデルベースのアプローチは、高次元性とヒステリシス効果などの非線形性による課題に直面しています。
対照的に、学習ベースのアプローチでは、測定データのみに基づいてさまざまなソフト ロボットの非線形モデルが提供されます。
この論文では、リカレント ニューラル ネットワーク (RNN) を使用して、5 つの自由度 (DoF) を持つ多関節ソフト ロボット (ASR) の動作を予測します。
ゲート型リカレント ユニット (GRU) に基づく RNN は、より一般的に使用される長期短期記憶 (LSTM) ネットワークと比較され、より優れた精度を示します。
反復により、粘弾性や摩擦に起因するソフト ロボットに固有のヒステリシス効果を捉えることができますが、単純なフィードフォワード ネットワークでは捉えることができません。
データ駆動型モデルは非線形モデル予測制御 (NMPC) 内で使用され、RNN の隠れ状態の正しい処理に重点が置かれています。
各制御サイクルで測定値を利用できるようにするトレーニング アプローチが示されています。
これにより、閉ループ NMPC にとって非常に重要な、センサー データに基づいた短い期間の正確な予測が可能になります。
提案された学習ベースの NMPC は、空気圧 5 自由度 ASR を使用した実験において、平均誤差 1.2 度で軌道追跡を可能にします。

要約(オリジナル)

Soft robots pose difficulties in terms of control, requiring novel strategies to effectively manipulate their compliant structures. Model-based approaches face challenges due to the high dimensionality and nonlinearities such as hysteresis effects. In contrast, learning-based approaches provide nonlinear models of different soft robots based only on measured data. In this paper, recurrent neural networks (RNNs) predict the behavior of an articulated soft robot (ASR) with five degrees of freedom (DoF). RNNs based on gated recurrent units (GRUs) are compared to the more commonly used long short-term memory (LSTM) networks and show better accuracy. The recurrence enables the capture of hysteresis effects that are inherent in soft robots due to viscoelasticity or friction but cannot be captured by simple feedforward networks. The data-driven model is used within a nonlinear model predictive control (NMPC), whereby the correct handling of the RNN’s hidden states is focused. A training approach is presented that allows measured values to be utilized in each control cycle. This enables accurate predictions of short horizons based on sensor data, which is crucial for closed-loop NMPC. The proposed learning-based NMPC enables trajectory tracking with an average error of 1.2deg in experiments with the pneumatic five-DoF ASR.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google