Adaptive Gait Modeling and Optimization for Principally Kinematic Systems

要約

複雑な実世界環境において持続性と頑健性を達成するためには、予期せぬ動作条件へのロボットの適応が極めて重要である。マイクロ・ナノスケールのロボット、ソフトロボット、医療用ロボット、バイオハイブリッドロボットなど、様々な最先端のロボットシステムでは、製造における不正確さ、化学機械力、十分に理解されていない接触力学など、多くの要因から生じる複雑さのために、事前に動作環境を予測することは不可能である。データ駆動モデリング、幾何力学（またはゲージ理論）、および適応制御から着想を得て、適応システム同定フレームワークを採用し、主に運動学的なロコモーター（レイリー散逸またはゼロ運動量保存に支配されるもの）の性能向上におけるその有効性を実証する。また、適応型モデルが、様々な地形や反復的に変更される挙動に、挙動最適化の枠組み内で効率的に対応できることを示す。これにより、基本的な挙動を改善し、精度の高いモーショントラッキングを実行する能力を提供します。特筆すべきは、1リンクあたり約10サイクルでパーセルスイマーの歩様を最適化できることで、9リンクのパーセルスイマーでは、最適化速度が従来の10倍向上しています。単に計算速度が向上するだけでなく、この10倍の向上により、特にシミュレーションが実世界のガイドとして不十分な領域において、この方法をその場での行動洗練、怪我の回復、地形適応にうまく展開できる可能性がある。

要約(オリジナル)

Robotic adaptation to unanticipated operating conditions is crucial to achieving persistence and robustness in complex real world settings. For a wide range of cutting-edge robotic systems, such as micro- and nano-scale robots, soft robots, medical robots, and bio-hybrid robots, it is infeasible to anticipate the operating environment a priori due to complexities that arise from numerous factors including imprecision in manufacturing, chemo-mechanical forces, and poorly understood contact mechanics. Drawing inspiration from data-driven modeling, geometric mechanics (or gauge theory), and adaptive control, we employ an adaptive system identification framework and demonstrate its efficacy in enhancing the performance of principally kinematic locomotors (those governed by Rayleigh dissipation or zero momentum conservation). We showcase the capability of the adaptive model to efficiently accommodate varying terrains and iteratively modified behaviors within a behavior optimization framework. This provides both the ability to improve fundamental behaviors and perform motion tracking to precision. Notably, we are capable of optimizing the gaits of the Purcell swimmer using approximately 10 cycles per link, which for the nine-link Purcell swimmer provides a factor of ten improvement in optimization speed over the state of the art. Beyond simply a computational speed up, this ten-fold improvement may enable this method to be successfully deployed for in-situ behavior refinement, injury recovery, and terrain adaptation, particularly in domains where simulations provide poor guides for the real world.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL