A Versatile Neural Network Configuration Space Planning and Control Strategy for Modular Soft Robot Arms

要約

モジュラーソフトロボットアーム（MSRA）は、シーケンスで接続された複数のモジュールで構成されており、さまざまな方向に異なる角度で曲がることができます。
この機能により、MSRAはシングルモジュールロボットよりも複雑なタスクを実行できます。
ただし、モジュラー構造は、正確な計画と制御の課題も誘導します。
非線形性とヒステリシスは物理モデルを複雑にし、モジュラー構造とDOFの増加はシーケンスに沿ってさらに累積エラーにつながります。
これらの課題に対処するために、S2C2A（アクションへの構成への状態）という名前のMSRAの汎用性の高い構成スペース計画および制御戦略を提案します。
当社のアプローチは、最適化問題であるS2C（状態から構成計画）を定式化します。これは、ターゲット状態に基づいて構成軌跡を生成するためにBILSTMに基づくさまざまな損失関数とフォワードモデルを統合します。
BILSTMに基づく構成コントローラーC2A（アクション制御への構成）は、計画された構成軌跡に従うように実装され、不正確な内部センシングフィードバックのみを活用します。
ケーブル駆動型MSRAを使用して戦略を検証し、位置や方向制御や障害物の回避などの多様なオフラインタスクを実行する能力を実証します。
さらに、当社の戦略は、MSRAに、ターゲットと障害物を備えたオンラインインタラクション機能を備えています。
将来の仕事は、より正確な物理モデルなど、MSRAの課題への対処に焦点を当てています。

要約(オリジナル)

Modular soft robot arms (MSRAs) are composed of multiple modules connected in a sequence, and they can bend at different angles in various directions. This capability allows MSRAs to perform more intricate tasks than single-module robots. However, the modular structure also induces challenges in accurate planning and control. Nonlinearity and hysteresis complicate the physical model, while the modular structure and increased DOFs further lead to cumulative errors along the sequence. To address these challenges, we propose a versatile configuration space planning and control strategy for MSRAs, named S2C2A (State to Configuration to Action). Our approach formulates an optimization problem, S2C (State to Configuration planning), which integrates various loss functions and a forward model based on biLSTM to generate configuration trajectories based on target states. A configuration controller C2A (Configuration to Action control) based on biLSTM is implemented to follow the planned configuration trajectories, leveraging only inaccurate internal sensing feedback. We validate our strategy using a cable-driven MSRA, demonstrating its ability to perform diverse offline tasks such as position and orientation control and obstacle avoidance. Furthermore, our strategy endows MSRA with online interaction capability with targets and obstacles. Future work focuses on addressing MSRA challenges, such as more accurate physical models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google