Singularity-Avoidance Control of Robotic Systems with Model Mismatch and Actuator Constraints

要約

特殊な構成状態として現れる特異点は、ロボットのパフォーマンスを低下させ、システムの制御不能につながる可能性もあります。
この論文では、モデルの不一致と制御バリア関数 (CBF) によるアクチュエーターの制約を伴うロボット システムにおける運動学的特異点の問題に対処します。
ロボットが特異点領域に入るのを防ぐための学習ベースの制御戦略を提案します。
より正確には、ガウス過程 (GP) 回帰を活用して、予測誤差が決定論的な限界によって制限される未知のモデルの不一致を学習します。
さらに、アクチュエータの制約に従って CBF の実現可能性を確保するためのパラメータ選択基準を提供します。
提案されたアプローチは、2 自由度 (DoF) の平面ロボットでの高忠実度シミュレーションによって検証されます。

要約(オリジナル)

Singularities, manifesting as special configuration states, deteriorate robot performance and may even lead to a loss of control over the system. This paper addresses the kinematic singularity concerns in robotic systems with model mismatch and actuator constraints through control barrier functions (CBFs). We propose a learning-based control strategy to prevent robots entering singularity regions. More precisely, we leverage Gaussian process (GP) regression to learn the unknown model mismatch, where the prediction error is restricted by a deterministic bound. Moreover, we offer the criteria for parameter selection to ensure the feasibility of CBFs subject to actuator constraints. The proposed approach is validated by high-fidelity simulations on a 2 degrees-of-freedom (DoFs) planar robot.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google