Data-Driven Prediction of Dynamic Interactions Between Robot Appendage and Granular Material

要約

特定の長さのスケールでの粒状地形とのロボット運動相互作用に関する基本的な洞察を得るために、代替のデータ駆動型モデリングアプローチが提案され、採用されています。
このアプローチは、寸法削減（連続的に切り捨てられた高次の特異値分解）、代理モデリング（ガウスプロセス）、およびデータ同化手法（縮小粒子フィルター）の統合に基づいています。
このアプローチはオンラインで使用でき、高忠実度シミュレーションデータのオフラインコレクションと一連のスパース実験データのオフラインコレクションから取得されるオフラインデータに基づいています。
結果は、物理学ベースの高忠実度シミュレーションと比較して、提案されたデータ駆動型モデリングアプローチから計算時間の数桁短縮が得られることを示しています。
入力としてのシミュレーションデータのみを使用すると、データ駆動型の予測手法は、シミュレーションと同等の精度を持つ予測を生成できます。
シミュレーションデータとスパースの物理的実験測定の両方を入力として、その組み込みデータ同化手法を備えたデータ駆動型アプローチは、長期予測の高忠実度シミュレーションのみを上回る可能性があります。
さらに、データ駆動型モデリングアプローチは、物理学ベースのシミュレーションによって回復したスケーリング関係を最大の抵抗力のために再現できることも実証されています。
結果は、オンラインとオフラインの両方のフェーズで、未知の複雑な地形でのロボットナビゲーションと探索に役立つと予想されます。

要約(オリジナル)

An alternative data-driven modeling approach has been proposed and employed to gain fundamental insights into robot motion interaction with granular terrain at certain length scales. The approach is based on an integration of dimension reduction (Sequentially Truncated Higher-Order Singular Value Decomposition), surrogate modeling (Gaussian Process), and data assimilation techniques (Reduced Order Particle Filter). This approach can be used online and is based on offline data, obtained from the offline collection of high-fidelity simulation data and a set of sparse experimental data. The results have shown that orders of magnitude reduction in computational time can be obtained from the proposed data-driven modeling approach compared with physics-based high-fidelity simulations. With only simulation data as input, the data-driven prediction technique can generate predictions that have comparable accuracy as simulations. With both simulation data and sparse physical experimental measurement as input, the data-driven approach with its embedded data assimilation techniques has the potential in outperforming only high-fidelity simulations for the long-horizon predictions. In addition, it is demonstrated that the data-driven modeling approach can also reproduce the scaling relationship recovered by physics-based simulations for maximum resistive forces, which may indicate its general predictability beyond a case-by-case basis. The results are expected to help robot navigation and exploration in unknown and complex terrains during both online and offline phases.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google