A Deep Inverse-Mapping Model for a Flapping Robotic Wing

要約

システム制御では、システムのダイナミクスは、その入力を変調して望ましい結果を達成することによって支配されます。
たとえば、Quad-Copter Propellerの推力を制御するために、コントローラーは回転速度を変調し、入力回転速度と結果として生じるスラストの間の簡単なマッピングに依存します。
このマッピングは、目的の推力を生成するために必要な回転速度を決定するために反転させることができます。
ただし、複雑な流体運動が関与する羽ばたき翼ロボットなどの複雑なシステムでは、結果（翼の運動学）を結果（空力力学的力）にマッピングすることは非些細であり、リアルタイムコントロールのためのこのマッピングは計算的に非実施的です。
ここでは、開発した実験システムのデータに基づいて、フラッピングウィングシステムの逆マッピングのための機械学習ソリューションを報告します。
私たちのモデルは、目的の空力力の結果を生成するために必要な入力翼の動きを学習します。
タイムシリーズデータに合わせたシーケンスからシーケンスモデルを使用し、周波数領域で表現学習を実装する新しい適応型スペクトル層で拡張しました。
モデルをトレーニングするために、高速カメラを使用して翼の空力とその3Dモーションを同時に測定する羽ばたき翼システムを開発しました。
別のフローレジームで羽ばたき翼の追加のオープンソースデータセットでシステムのパフォーマンスを示します。
結果は、より複雑な最先端の変圧器ベースのモデルと比較して優れた性能を示し、テストデータセットの中央値損失を11％改善します。
さらに、私たちのモデルは優れた推論時間を示しており、オンボードロボット制御に実用的です。
当社のオープンソースデータとフレームワークは、生体模倣ロボットから生物医学デバイスまで、複雑なダイナミクスによって支配されたシステムのモデリングとリアルタイムの制御を改善する可能性があります。

要約(オリジナル)

In systems control, the dynamics of a system are governed by modulating its inputs to achieve a desired outcome. For example, to control the thrust of a quad-copter propeller the controller modulates its rotation rate, relying on a straightforward mapping between the input rotation rate and the resulting thrust. This mapping can be inverted to determine the rotation rate needed to generate a desired thrust. However, in complex systems, such as flapping-wing robots where intricate fluid motions are involved, mapping inputs (wing kinematics) to outcomes (aerodynamic forces) is nontrivial and inverting this mapping for real-time control is computationally impractical. Here, we report a machine-learning solution for the inverse mapping of a flapping-wing system based on data from an experimental system we have developed. Our model learns the input wing motion required to generate a desired aerodynamic force outcome. We used a sequence-to-sequence model tailored for time-series data and augmented it with a novel adaptive-spectrum layer that implements representation learning in the frequency domain. To train our model, we developed a flapping wing system that simultaneously measures the wing’s aerodynamic force and its 3D motion using high-speed cameras. We demonstrate the performance of our system on an additional open-source dataset of a flapping wing in a different flow regime. Results show superior performance compared with more complex state-of-the-art transformer-based models, with 11% improvement on the test datasets median loss. Moreover, our model shows superior inference time, making it practical for onboard robotic control. Our open-source data and framework may improve modeling and real-time control of systems governed by complex dynamics, from biomimetic robots to biomedical devices.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google