Task-specific Self-body Controller Acquisition by Musculoskeletal Humanoids: Application to Pedal Control in Autonomous Driving

要約

筋骨格系ヒューマノイドは人間が持つ多くの利点を備えていますが、その複雑で柔軟な体のモデリングは困難です。
私たちは関節と筋肉の非線形関係をオンラインで取得する手法を開発しましたが、実際のロボットとその自己の身体画像を完全に一致させることはできませんでした。
あるタスクを実現する場合、制御入力とタスクの状態との直接的な関係を学習する必要があります。
そこで、制御入力とタスク状態の時系列関係を表すニューラルネットワークを構築し、これをリアルタイム制御に適用することで意図したタスク状態を実現します。
本研究では、その応用例としてアクセルペダル制御実験を行い、その有効性を検証する。

要約(オリジナル)

The musculoskeletal humanoid has many benefits that human beings have, but the modeling of its complex flexible body is difficult. Although we have developed an online acquisition method of the nonlinear relationship between joints and muscles, we could not completely match the actual robot and its self-body image. When realizing a certain task, the direct relationship between the control input and task state needs to be learned. So, we construct a neural network representing the time-series relationship between the control input and task state, and realize the intended task state by applying the network to a real-time control. In this research, we conduct accelerator pedal control experiments as one application, and verify the effectiveness of this study.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google