Embodied Neuromorphic Control Applied on a 7-DOF Robotic Manipulator

要約

環境とのリアルタイムの相互作用に対する人工知能の開発は、具体化された知性とロボット工学の重要な側面です。
逆ダイナミクスは、ロボットシステムのジョイント空間からトルク空間にマッピングする基本的なロボット工学の問題です。
それを解決するための従来の方法は、非線形性と外乱のために困難または不可能なロボットの直接的な物理モデリングに依存しています。
最近、この問題に対処するために、データベースのモデル学習アルゴリズムが採用されています。
ただし、多くの場合、手動パラメーターのチューニングと高い計算コストが必要です。
神経形態のコンピューティングは、非常に低コストでロボットモーションコントロールで時空間的特徴を処理するのに本質的に適しています。
ただし、現在の研究はまだ初期段階にあります。既存の作業は、低自由度のシステムのみを制御し、パフォーマンスの定量化と比較を欠いています。
このホワイトペーパーでは、7つのフリードームのロボットマニピュレーターを制御するための神経形成制御フレームワークを提案します。
スパイキングニューラルネットワークを使用して、モーションデータの時空間的連続性を活用して制御精度を向上させ、手動パラメーターの調整を排除します。
2つのロボットプラットフォームでアルゴリズムを検証しました。これにより、トルク予測エラーが少なくとも60％減少し、ターゲット位置追跡タスクを正常に実行します。
この作業は、概念実証から複雑な現実世界のタスクのアプリケーションに1つのステップで具体化された神経型制御を進めます。

要約(オリジナル)

The development of artificial intelligence towards real-time interaction with the environment is a key aspect of embodied intelligence and robotics. Inverse dynamics is a fundamental robotics problem, which maps from joint space to torque space of robotic systems. Traditional methods for solving it rely on direct physical modeling of robots which is difficult or even impossible due to nonlinearity and external disturbance. Recently, data-based model-learning algorithms are adopted to address this issue. However, they often require manual parameter tuning and high computational costs. Neuromorphic computing is inherently suitable to process spatiotemporal features in robot motion control at extremely low costs. However, current research is still in its infancy: existing works control only low-degree-of-freedom systems and lack performance quantification and comparison. In this paper, we propose a neuromorphic control framework to control 7 degree-of-freedom robotic manipulators. We use Spiking Neural Network to leverage the spatiotemporal continuity of the motion data to improve control accuracy, and eliminate manual parameters tuning. We validated the algorithm on two robotic platforms, which reduces torque prediction error by at least 60% and performs a target position tracking task successfully. This work advances embodied neuromorphic control by one step forward from proof of concept to applications in complex real-world tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google