Machine Learning-Enabled Precision Position Control and Thermal Regulation in Advanced Thermal Actuators

要約

人間の筋肉のほぼ 100 倍のエネルギー密度と、ジェット エンジンの出力に匹敵する 5.3 kW/kg の出力密度というユニークな特性の組み合わせにより、ナイロン人工筋肉は特にロボット用途に適していることが際立っています。
ただし、センサーとコントローラーを統合する必要があるため、実際の使用には制限が生じます。
ここでは、機械学習に基づいた定電力開ループ コントローラーについて報告します。
外部センサーなしでナイロン人工筋肉の位置を制御できることを示します。
この目的を達成するために、アンサンブル エンコーダー スタイルのフィードフォワード ニューラル ネットワークを使用して、望ましい変位軌道から必要なパワーまでのマッピングを構築します。
ニューラル コントローラーは、物理ベースのノイズ除去されたデータセットで慎重にトレーニングされており、ヒステリシスの有無に関係なく、さまざまなタイプの熱人工筋肉に対応するように微調整できます。

要約(オリジナル)

With their unique combination of characteristics – an energy density almost 100 times that of human muscle, and a power density of 5.3 kW/kg, similar to a jet engine’s output – Nylon artificial muscles stand out as particularly apt for robotics applications. However, the necessity of integrating sensors and controllers poses a limitation to their practical usage. Here we report a constant power open-loop controller based on machine learning. We show that we can control the position of a nylon artificial muscle without external sensors. To this end, we construct a mapping from a desired displacement trajectory to a required power using an ensemble encoder-style feed-forward neural network. The neural controller is carefully trained on a physics-based denoised dataset and can be fine-tuned to accommodate various types of thermal artificial muscles, irrespective of the presence or absence of hysteresis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google