Data-driven Methods Applied to Soft Robot Modeling and Control: A Review

要約

ソフトロボットはコンプライアンスを示し、無限の自由度を持っています。
これらの特性のおかげで、このようなロボットは、手術、リハビリテーション、生体模倣、非構造化環境の探索、および産業用グリッパーに活用できます。
この場合、さまざまな分野から学者が集まります。
ただし、非線形性とヒステリシス効果もロボットのモデリングに負担をもたらします。
さらに、その柔軟性と適応性を考慮すると、ソフト ロボット制御はリジッド ロボット制御よりも困難です。
ソフト ロボットをモデル化して制御するには、多数のデータ駆動型手法がペアで、または個別に利用されます。
このレビューでは、まずデータ駆動型アプローチの 2 つの基礎である物理モデルとヤコビアン行列を簡単に紹介し、次に統計的手法、ニューラル ネットワーク、強化学習という 3 種類のデータ駆動型アプローチを要約します。
このレビューでは、これらのカテゴリ内およびカテゴリ間で、モデル ダイナミクス、データ要件、ターゲット タスクなどのモデリングとコントローラーの機能を比較します。
最後に、それぞれの手法の特徴をまとめます。
既存のモデリングおよび制御アプローチの利点と限界について説明し、ソフト ロボットにおけるデータ駆動型アプローチの将来を予測します。
このレビュー用にウェブサイト (https://sites.google.com/view/23zcb) が構築されており、頻繁に更新されます。

要約(オリジナル)

Soft robots show compliance and have infinite degrees of freedom. Thanks to these properties, such robots can be leveraged for surgery, rehabilitation, biomimetics, unstructured environment exploring, and industrial grippers. In this case, they attract scholars from a variety of areas. However, nonlinearity and hysteresis effects also bring a burden to robot modeling. Moreover, following their flexibility and adaptation, soft robot control is more challenging than rigid robot control. In order to model and control soft robots, a large number of data-driven methods are utilized in pairs or separately. This review first briefly introduces two foundations for data-driven approaches, which are physical models and the Jacobian matrix, then summarizes three kinds of data-driven approaches, which are statistical method, neural network, and reinforcement learning. This review compares the modeling and controller features, e.g., model dynamics, data requirement, and target task, within and among these categories. Finally, we summarize the features of each method. A discussion about the advantages and limitations of the existing modeling and control approaches is presented, and we forecast the future of data-driven approaches in soft robots. A website (https://sites.google.com/view/23zcb) is built for this review and will be updated frequently.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google