VBOC: Learning the Viability Boundary of a Robot Manipulator using Optimal Control

要約

多くの場合、ロボット工学アプリケーションでは安全性が最も重要な要件となります。
それにもかかわらず、ロボットマニピュレーターなどの非線形システムでは、安全性を保証できる制御技術は依然として非常にまれです。
安全性を確保するためのよく知られたツールは、安全性を確保できる最大の状態セットである Viability カーネルです。
残念ながら、非線形システムのこのようなセットを計算することは、一般に非常に困難です。
これを近似するためのいくつかの数値アルゴリズムが文献で提案されていますが、それらは次元の呪いに悩まされています。
この論文では、ロボットマニピュレータの実行可能性カーネルを数値的に近似するための新しいアプローチを紹介します。
私たちのアプローチは、最適な制御問題を解決して、セットの境界上にあることが保証されている状態を計算します。
これにより、設定された境界を直接学習できるため、より小さな次元空間で学習できます。
次元 6 までのシステムの最先端技術と比較して、私たちのアルゴリズムは同じ計算時間で 2 倍以上の精度、または同じ精度に達するまでの速度が 6 倍になりました。

要約(オリジナル)

Safety is often the most important requirement in robotics applications. Nonetheless, control techniques that can provide safety guarantees are still extremely rare for nonlinear systems, such as robot manipulators. A well-known tool to ensure safety is the Viability kernel, which is the largest set of states from which safety can be ensured. Unfortunately, computing such a set for a nonlinear system is extremely challenging in general. Several numerical algorithms for approximating it have been proposed in the literature, but they suffer from the curse of dimensionality. This paper presents a new approach for numerically approximating the viability kernel of robot manipulators. Our approach solves optimal control problems to compute states that are guaranteed to be on the boundary of the set. This allows us to learn directly the set boundary, therefore learning in a smaller dimensional space. Compared to the state of the art on systems up to dimension 6, our algorithm resulted to be more than 2 times as accurate for the same computation time, or 6 times as fast to reach the same accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google