Comparative Evaluation of Learning Models for Bionic Robots: Non-Linear Transfer Function Identifications

要約

バイオニックロボットダイナミクスの制御とモデリングでは、機械学習手法を使用したモデルフリー制御戦略がますます採用されています。
バイオニックロボットシステムの非線形弾性特性を考慮すると、学習ベースの方法は、複雑な運動学モデルを使用せずに、数値データを利用して作動入力からロボットの軌道への直接マッピングを確立することにより、信頼性の高い代替手段を提供します。
しかし、開発者にとって、特定のバイオニック ロボットに適切な学習モデルを特定し、さらに伝達関数を構築する方法については十分に議論されていません。
そこで本研究では、多入力多出力（MIMO）データや非線形伝達関数の同定に適した、アンサンブル学習モデル、正則化ベースのモデル、カーネルベースのモデル、ニューラルネットワークモデルの4種類のモデルを訓練します。
(1) 精度、(2) 計算の複雑さ、(3) 生体の動きを捕捉するパフォーマンスを評価するためです。
この研究には、制御入力と動作出力のデータ収集方法、機械学習モデルの選択、トレーニング結果の比較分析、伝達関数の同定が含まれます。
主な目的は、モデルフリー制御を適用するための包括的な評価戦略とフレームワークを提供することです。

要約(オリジナル)

The control and modeling of bionic robot dynamics have increasingly adopted model-free control strategies using machine learning methods. Given the non-linear elastic nature of bionic robotic systems, learning-based methods provide reliable alternatives by utilizing numerical data to establish a direct mapping from actuation inputs to robot trajectories without complex kinematics models. However, for developers, the method of identifying an appropriate learning model for their specific bionic robots and further constructing the transfer function has not been thoroughly discussed. Thus, this research trains four types of models, including ensemble learning models, regularization-based models, kernel-based models, and neural network models, suitable for multi-input multi-output (MIMO) data and non-linear transfer function identification, in order to evaluate their (1) accuracy, (2) computation complexity, and (3) performance of capturing biological movements. This research encompasses data collection methods for control inputs and action outputs, selection of machine learning models, comparative analysis of training results, and transfer function identifications. The main objective is to provide a comprehensive evaluation strategy and framework for the application of model-free control.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google