Loss Function Considering Dead Zone for Neural Networks

要約

モデルベース制御の制御性能を向上させるためには、マニピュレータの逆ダイナミクスを明らかにすることが重要です。
ニューラル ネットワーク (NN) は、大量のモーション データを必要とする一方で、複雑な逆ダイナミクスを表現するための有望な技術です。
ただし、アクチュエータのデッド ゾーンのモーション データはモデルのトレーニングには適しておらず、有用なトレーニング データの数が減少します。
本研究では、マニピュレータ関節は不感帯では入力トルクに関係なく動作しないという事実を踏まえ、不感帯以外の関節の誤差のみを考慮した新しい損失関数を提案する。
提案手法により、トレーニングに利用できる運動データの量と逆ダイナミクス計算の精度を向上させることができます。
3自由度（DOF）マニピュレータを用いた実機実験では、従来手法に比べて高い精度が得られました。
また、不感帯における提案手法のモデルの挙動を確認し、議論した。

要約(オリジナル)

It is important to reveal the inverse dynamics of manipulators to improve control performance of model-based control. Neural networks (NNs) are promising techniques to represent complicated inverse dynamics while they require a large amount of motion data. However, motion data in dead zones of actuators is not suitable for training models decreasing the number of useful training data. In this study, based on the fact that the manipulator joint does not work irrespective of input torque in dead zones, we propose a new loss function that considers only errors of joints not in dead zones. The proposed method enables to increase in the amount of motion data available for training and the accuracy of the inverse dynamics computation. Experiments on actual equipment using a three-degree-of-freedom (DOF) manipulator showed higher accuracy than conventional methods. We also confirmed and discussed the behavior of the model of the proposed method in dead zones.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google