Phase-Amplitude Reduction-Based Imitation Learning

要約

本研究では、模倣学習フレームワークを構築するために、位相振幅削減法の利用を提案する。人間の動作軌跡を模倣することは、人間のような様々なロボット動作を生成するための有望な戦略として認識されている。これまでの力学系に基づく模倣学習アプローチとは異なり、本提案手法では、ロボットがリミットサイクルの軌道を模倣するだけでなく、初期状態や乱れた状態からリミットサイクルまでの過渡的な動きも再現することができる。その結果、本手法は、外乱直後や指定された初期状態から予測不可能な運動を生成することを回避し、より安全な模倣学習アプローチを提供する。我々はまず、単純なリミットサイクルアトラクターを再構成することにより、提案手法を検証した。次に、模擬ロボットアームを用いたレムニスケート軌道追跡課題において、提案手法を従来手法と比較した。その結果、提案手法は従来の標準的な手法と比較して、目標周期アトラクターに収束するための過渡的な運動をより正確に生成できることが確認された。その後、人間の周期的な動きを模倣するために、本手法を実際のロボットアームに適用した。

要約(オリジナル)

In this study, we propose the use of the phase-amplitude reduction method to construct an imitation learning framework. Imitating human movement trajectories is recognized as a promising strategy for generating a range of human-like robot movements. Unlike previous dynamical system-based imitation learning approaches, our proposed method allows the robot not only to imitate a limit cycle trajectory but also to replicate the transient movement from the initial or disturbed state to the limit cycle. Consequently, our method offers a safer imitation learning approach that avoids generating unpredictable motions immediately after disturbances or from a specified initial state. We first validated our proposed method by reconstructing a simple limit-cycle attractor. We then compared the proposed approach with a conventional method on a lemniscate trajectory tracking task with a simulated robot arm. Our findings confirm that our proposed method can more accurately generate transient movements to converge on a target periodic attractor compared to the previous standard approach. Subsequently, we applied our method to a real robot arm to imitate periodic human movements.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL