Morphological Symmetries in Robotics

要約

ロボットシステムにおける形態的対称性を研究し、活用するための包括的なフレームワークを紹介します。
これらはロボットの形態の固有の特性であり、動物生物学やロボット工学で頻繁に観察され、運動学的構造の複製と質量の対称分布に由来します。
これらの対称性がロボットの状態空間と固有受容センサーと外受容センサーの両方の測定値にどのように拡張され、その結果ロボットの運動方程式と最適な制御ポリシーが等分散になるかを説明します。
したがって、我々は形態学的対称性を、ロボット工学におけるモデリング、制御、推定、設計に使用されるデータ駆動型手法と分析手法の両方に重要な意味を持つ、関連性がありこれまで探究されていなかった物理学に基づいた幾何学的事前分布として認識しています。
データ駆動型手法の場合、形態学的対称性がデータ拡張を通じて、またはモデルのアーキテクチャに等変/不変制約を適用することによって、サンプル効率と機械学習モデルの一般化を強化できることを実証します。
解析手法のコンテキストでは、抽象調和解析を使用して、ロボットのダイナミクスを低次元の独立したダイナミクスの重ね合わせに分解します。
私たちは、二足歩行ロボットと四足歩行ロボットで行われた合成実験と現実世界での実験の両方で、私たちの主張を実証しています。
最後に、この研究で概説されている理論とアプリケーションの実際の使用を容易にするリポジトリ MorphoSymm を紹介します。

要約(オリジナル)

We present a comprehensive framework for studying and leveraging morphological symmetries in robotic systems. These are intrinsic properties of the robot’s morphology, frequently observed in animal biology and robotics, which stem from the replication of kinematic structures and the symmetrical distribution of mass. We illustrate how these symmetries extend to the robot’s state space and both proprioceptive and exteroceptive sensor measurements, resulting in the equivariance of the robot’s equations of motion and optimal control policies. Thus, we recognize morphological symmetries as a relevant and previously unexplored physics-informed geometric prior, with significant implications for both data-driven and analytical methods used in modeling, control, estimation and design in robotics. For data-driven methods, we demonstrate that morphological symmetries can enhance the sample efficiency and generalization of machine learning models through data augmentation, or by applying equivariant/invariant constraints on the model’s architecture. In the context of analytical methods, we employ abstract harmonic analysis to decompose the robot’s dynamics into a superposition of lower-dimensional, independent dynamics. We substantiate our claims with both synthetic and real-world experiments conducted on bipedal and quadrupedal robots. Lastly, we introduce the repository MorphoSymm to facilitate the practical use of the theory and applications outlined in this work.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google