Data-driven Explainable Controller for Soft Robots based on Recurrent Neural Networks

要約

ソフト ロボットの動作の非線形性とヒステリシスは、正確なソフト ロボットの制御に課題をもたらしています。
ニューラル ネットワーク、特にリカレント ニューラル ネットワーク (RNN) は、その非線形活性化関数とリカレント構造により、この問題に広く活用されています。
ほとんどのタスクで満足のいく精度が示されていますが、これらのブラックボックス アプローチは説明できないため、ロボット支援手術などの高い安全性要件が必要な分野には適していません。
RNN コントローラに基づいて、パラメータをオンラインで更新できるデータ駆動型説明可能コントローラ (DDEC) を提案します。
ヤコビアン コントローラーと運動学コントローラーについて理論的に説明し、これらが DDEC の特殊なケースにすぎないことを示します。
さらに、軌道追跡タスクには RNN、ヤコビアン コントローラー、運動学コントローラー、DDEC を利用します。
実験結果は、説明可能でありながら、軌道追従エラーを考慮すると、私たちのアプローチが他のコントローラーよりも優れていることを示しています。
また、DDEC の各コンポーネントの機能を調査して説明するための研究も行っています。
これは、NN コントローラーとインタープリタブル コントローラーの両方の欠点を克服した、初のインタープリタブル ソフト ロボット コントローラーです。
将来の作業には、さまざまな RNN コントローラーに基づいたさまざまな DDEC の提案と、安全性が要求されるアプリケーションへのそれらの活用が含まれる可能性があります。

要約(オリジナル)

The nonlinearity and hysteresis of soft robot motions have posed challenges in accurate soft robot control. Neural networks, especially recurrent neural networks (RNNs), have been widely leveraged for this issue due to their nonlinear activation functions and recurrent structures. Although they have shown satisfying accuracy in most tasks, these black-box approaches are not explainable, and hence, they are unsuitable for areas with high safety requirements, like robot-assisted surgery. Based on the RNN controllers, we propose a data-driven explainable controller (DDEC) whose parameters can be updated online. We discuss the Jacobian controller and kinematics controller in theory and demonstrate that they are only special cases of DDEC. Moreover, we utilize RNN, the Jacobian controller, the kinematics controller, and DDECs for trajectory following tasks. Experimental results have shown that our approach outperforms the other controllers considering trajectory following errors while being explainable. We also conduct a study to explore and explain the functions of each DDEC component. This is the first interpretable soft robot controller that overcomes the shortcomings of both NN controllers and interpretable controllers. Future work may involve proposing different DDECs based on different RNN controllers and exploiting them for high-safety-required applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google