Stable Tool-Use with Flexible Musculoskeletal Hands by Learning the Predictive Model of Sensor State Transition

要約

柔軟で低作動性の筋骨格ハンドは、適応性と耐衝撃性に優れています。
一方で、センサとアクチュエータの関係は一意に定まらないため、その制御はほとんどがフィードフォワード制御となります。
工具を掴んで使用する際、工具の慣性や動作の衝撃により手の接触状態は徐々に変化し、初期の接触状態を維持することは困難です。
本研究では、実際のロボットのセンサ情報を用いてセンサ状態遷移の予測ネットワークを学習し、ネットワークを用いたフィードバック制御により初期接触状態を維持するシステムを提案する。
ハンマー叩き、掃除機掛け、ほうき掛けなどの実験を行い、その有効性を検証します。

要約(オリジナル)

The flexible under-actuated musculoskeletal hand is superior in its adaptability and impact resistance. On the other hand, since the relationship between sensors and actuators cannot be uniquely determined, almost all its controls are based on feedforward controls. When grasping and using a tool, the contact state of the hand gradually changes due to the inertia of the tool or impact of action, and the initial contact state is hardly kept. In this study, we propose a system that trains the predictive network of sensor state transition using the actual robot sensor information, and keeps the initial contact state by a feedback control using the network. We conduct experiments of hammer hitting, vacuuming, and brooming, and verify the effectiveness of this study.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google