Control of Biohybrid Actuators using NeuroEvolution

要約

医療関連の作業では、ソフト ロボットは、準拠した建築材料と実行可能な動作により、従来のロボットよりも優れたパフォーマンスを発揮できます。
ただし、ソフト ロボット コントローラーの設計は、材料の非線形特性のため、簡単な作業ではありません。
このようなコントローラーを設計する人間の専門知識はまだ十分に有効ではないため、正式な設計プロセスが必要です。
本研究では、薬物を送達するカテーテルなどの将来の医療機器で使用できるバイオハイブリッドアクチュエーターのコントローラーを自動的に生成するための中核となる機構として、神経進化に基づくアルゴリズムを提案しています。
Neuroevolution of Augmenting Topologies (NEAT) および Hypercube-based NEAT (HyperNEAT) に基づく方法論によって生成されたコントローラーが、標準の遺伝的アルゴリズム (SGA) によって生成されたコントローラーと比較されます。
具体的には、考慮される指標は、上向きの曲げ動作における最大変位と、制御戦略を再設計することなくさまざまなバイオハイブリッド アクチュエータの形態を制御する堅牢性です。
結果は、神経進化ベースのアルゴリズムが SGA よりも適切なコントローラーを生成することを示しています。
特に、NEAT は最高のコントローラーを設計し、単一の形態でトレーニングされた SGA 製の専用コントローラーと比較して最大 25%、一連の形態でトレーニングされた汎用コントローラーと比較して最大 23% 高い変位を達成しました。

要約(オリジナル)

In medical-related tasks, soft robots can perform better than conventional robots because of their compliant building materials and the movements they are able perform. However, designing soft robot controllers is not an easy task, due to the non-linear properties of their materials. Since human expertise to design such controllers is yet not sufficiently effective, a formal design process is needed. The present research proposes neuroevolution-based algorithms as the core mechanism to automatically generate controllers for biohybrid actuators that can be used on future medical devices, such as a catheter that will deliver drugs. The controllers generated by methodologies based on Neuroevolution of Augmenting Topologies (NEAT) and Hypercube-based NEAT (HyperNEAT) are compared against the ones generated by a standard genetic algorithm (SGA). In specific, the metrics considered are the maximum displacement in upward bending movement and the robustness to control different biohybrid actuator morphologies without redesigning the control strategy. Results indicate that the neuroevolution-based algorithms produce better suited controllers than the SGA. In particular, NEAT designed the best controllers, achieving up to 25% higher displacement when compared with SGA-produced specialised controllers trained over a single morphology and 23% when compared with general purpose controllers trained over a set of morphologies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google