Machine Learning-Driven Burrowing with a Snake-Like Robot

要約

地下に穴を掘る作業は、この領域では大きな力がかかることと不確実性が高いため、ロボットにとって本質的に困難です。
粒状媒体の力をモデル化するのは難しいため、垂直方向の自己穴掘りに最適な手法を取得するために、新しい機械学習制御戦略の使用を提案します。
この論文では、IMU と 2 つの 3 軸磁力計を備えたヘビのようなバイオインスピレーションを受けたロボットを実現します。
磁場の強さを深さのアナログとして利用し、垂直方向の自己掘削のためのより効率的な戦略を取得するために、正弦波データとランダムデータに基づいた新しい深層学習アーキテクチャが提案されました。
この戦略は、他の多くの標準的な掘削技術よりも優れた性能を発揮し、目標とする掘削深度に自動的に到達することができました。
これらの結果が、最適化を使用して地下世界をより効率的に移動する秘密を明らかにする方法の概念実証として機能することを願っています。

要約(オリジナル)

Subterranean burrowing is inherently difficult for robots because of the high forces experienced as well as the high amount of uncertainty in this domain. Because of the difficulty in modeling forces in granular media, we propose the use of a novel machine-learning control strategy to obtain optimal techniques for vertical self-burrowing. In this paper, we realize a snake-like bio-inspired robot that is equipped with an IMU and two triple-axis magnetometers. Utilizing magnetic field strength as an analog for depth, a novel deep learning architecture was proposed based on sinusoidal and random data in order to obtain a more efficient strategy for vertical self-burrowing. This strategy was able to outperform many other standard burrowing techniques and was able to automatically reach targeted burrowing depths. We hope these results will serve as a proof of concept for how optimization can be used to unlock the secrets of navigating in the subterranean world more efficiently.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google