Morphological Symmetries in Robotics

要約

ロボットシステムの形態学的対称性を研究し、活用するための包括的なフレームワークを提示します。
これらは、動物の生物学とロボット工学で頻繁に観察されるロボットの形態の固有の特性であり、運動学的構造の複製と質量の対称分布に起因します。
これらの対称性がロボットの状態空間と固有受容性および外部受容センサー測定の両方にどのように拡張され、ロボットの運動方程式と最適な制御ポリシーが等しくなるかを示します。
したがって、形態学的対称性は、ロボット工学のモデリング、制御、推定、および設計で使用されるデータ駆動型および分析方法の両方に大きな意味を持つ、関連性が高く、以前に未開の物理学に基づいた幾何学的な事前であると認識しています。
データ駆動型の方法では、形態学的対称性が、データ増強を通じて、またはモデルのアーキテクチャに等変量/不変の制約を適用することにより、機械学習モデルのサンプル効率と一般化を強化できることを実証します。
分析方法のコンテキストでは、抽象的な高調波解析を採用して、ロボットのダイナミクスを低次元の独立したダイナミクスの重ね合わせに分解します。
私たちは、Bipedal and Quadrupedalロボットで実施された合成と現実世界の両方の実験で主張を実証します。
最後に、この作業で概説されている理論とアプリケーションの実際の使用を促進するために、リポジトリのモルホシームを紹介します。

要約(オリジナル)

We present a comprehensive framework for studying and leveraging morphological symmetries in robotic systems. These are intrinsic properties of the robot’s morphology, frequently observed in animal biology and robotics, which stem from the replication of kinematic structures and the symmetrical distribution of mass. We illustrate how these symmetries extend to the robot’s state space and both proprioceptive and exteroceptive sensor measurements, resulting in the equivariance of the robot’s equations of motion and optimal control policies. Thus, we recognize morphological symmetries as a relevant and previously unexplored physics-informed geometric prior, with significant implications for both data-driven and analytical methods used in modeling, control, estimation and design in robotics. For data-driven methods, we demonstrate that morphological symmetries can enhance the sample efficiency and generalization of machine learning models through data augmentation, or by applying equivariant/invariant constraints on the model’s architecture. In the context of analytical methods, we employ abstract harmonic analysis to decompose the robot’s dynamics into a superposition of lower-dimensional, independent dynamics. We substantiate our claims with both synthetic and real-world experiments conducted on bipedal and quadrupedal robots. Lastly, we introduce the repository MorphoSymm to facilitate the practical use of the theory and applications outlined in this work.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google