Learning-based Position and Stiffness Feedforward Control of Antagonistic Soft Pneumatic Actuators using Gaussian Processes

要約

可変剛性アクチュエータ（VSA）の設計は多岐にわたります。これらの非線形システムの従来のモデルベース制御は、高い労力と設計に依存した仮定を伴います。これに対し、機械学習は、実測データに基づいてモデルを学習させ、非線形性を本質的に考慮するため、有望な代替手段を提供します。本研究では、ソフトアクチュエータの位置と剛性を制御するための、普遍的な学習ベースのアプローチを紹介する。ソフト空気圧VSAを導入した後、入出力データを用いてモデルを学習する。この目的のために、可変関節剛性の自動計測を可能にするテストベンチを設置した。制御時には、ガウス過程を用いて、所望の位置と剛性を達成するための圧力を予測します。フィードフォワード誤差は全圧力範囲の平均11.5%であり、フィードバック制御によって補正される。ソフトアクチュエータを用いた実験では、学習ベースのアプローチにより、モデルの知識がなくても位置と剛性を連続的に調整できることが示されました。

要約(オリジナル)

Variable stiffness actuator (VSA) designs are manifold. Conventional model-based control of these nonlinear systems is associated with high effort and design-dependent assumptions. In contrast, machine learning offers a promising alternative as models are trained on real measured data and nonlinearities are inherently taken into account. Our work presents a universal, learning-based approach for position and stiffness control of soft actuators. After introducing a soft pneumatic VSA, the model is learned with input-output data. For this purpose, a test bench was set up which enables automated measurement of the variable joint stiffness. During control, Gaussian processes are used to predict pressures for achieving desired position and stiffness. The feedforward error is on average 11.5% of the total pressure range and is compensated by feedback control. Experiments with the soft actuator show that the learning-based approach allows continuous adjustment of position and stiffness without model knowledge.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL