[論文レビュー] A Data-Efficient Approach to Precise and Controlled Pushing

Maria Bauzá, Francois R. Hogan+1 more|arXiv (Cornell University)|Jul 26, 2018

Gaussian Processes and Bayesian Inference被引用数 22

ひとこと要約

本稿では、モデル予測制御（MPC）内でのガウス過程（GP）による動的モデル学習を用いて、正確な平面プッシュ制御のためのデータ効率の良いモデルベース制御フレームワークを提案する。リアルタイムのフィードバックを活用し、わずか5〜10個の実験データポイントからのみ滑らかで微分可能な動的モデルを学習することで、摩擦や接触力の詳細な物理モデルを必要とせずに、安定的かつ高精度な軌道追従制御を実現する。

ABSTRACT

Decades of research in control theory have shown that simple controllers, when provided with timely feedback, can control complex systems. Pushing is an example of a complex mechanical system that is difficult to model accurately due to unknown system parameters such as coefficients of friction and pressure distributions. In this paper, we explore the data-complexity required for controlling, rather than modeling, such a system. Results show that a model-based control approach, where the dynamical model is learned from data, is capable of performing complex pushing trajectories with a minimal amount of training data (10 data points). The dynamics of pushing interactions are modeled using a Gaussian process (GP) and are leveraged within a model predictive control approach that linearizes the GP and imposes actuator and task constraints for a planar manipulation task.

研究の動機と目的

• データ駆動型制御アプローチが、最小限のトレーニングデータで高精度なプッシュ制御を達成できるかどうかを調査すること。
• 小規模な実験データセットから得たプッシュ動的特性をガウス過程回帰を用いて学習する可能性を評価すること。
• 平面操作タスクにおいて、データ駆動型モデルと解析的モデルをMPCフレームワーク内で比較すること。
• 接触を伴うロボットタスクの安定的・閉ループ制御に必要な最小限のデータ複雑性を特定すること。
• 非常にデータ効率の良い学習を用いる場合に、フィードバック制御がモデルの不正確さを補償できるかどうかを検討すること。

提案手法

• 実験データから平面プッシュの動的モデルをガウス過程（GP）回帰を用いて学習し、滑らかで微分可能かつ不確実性を考慮した動的推定を可能にする。
• 学習されたGPモデルを、名目軌道の周囲で動的モデルを線形化することでリアルタイム制御計算を可能にするモデル予測制御（MPC）フレームワークに統合する。
• MPC最適化内にアクチュエータ制約およびタスク制約を組み込み、プッシュ中に実行可能な安全な制御入力を保証する。
• 動的モデルの速度空間定式化を採用することで、ハイブリッド接触行動（例：スティック・スリップ）を暗黙的に滑らかにし、モデルの複雑さを低減する。
• MPCの初期化に解析的計画によって生成された名目軌道を用いることで、制御実行中の安定性と収束性を確保する。
• データの選別（例：5つの手動選択データポイント）を慎重に行い、データ効率と制御安定性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 データ駆動型モデルを用いた平面プッシュタスクの安定的・高精度な制御を達成するために、必要な最小データ量はどれくらいか？
• RQ2 接触モードを明示的にモデル化しない状態で、滑らかで微分可能なGPモデルが、ハイブリッドで接触に富んだ動的特性を効果的に表現できるか？
• RQ3 追従精度と耐障害性の観点から、データ駆動型制御と解析的制御の性能をどのように比較できるか？
• RQ4 摩擦接触動的特性の低データモデルにおける不正確さを、フィードバック制御がどの程度補償できるか？
• RQ5 最小限のデータで動作するモデルベース制御フレームワークは、平面プッシュタスクにおける異なる軌道や速度に一般化できるか？

主な発見

• GPで学習された動的モデルを用いたモデルベース制御ポリシーは、10未満のトレーニングデータポイントで複雑なプッシュ軌道の安定的・高精度な追従を達成する。
• わずか5つの手動選択データポイントでのみ、制御は安定した閉ループ追従を達成し、極めて高いデータ効率を示している。
• 10個のランダム選択データポイントでも、機能的で安定した制御性能が得られるが、解析的制御の性能に到達するには200個のデータポイントが必要となる。
• GP回帰とMPCの組み合わせにより、ハイブリッド的かつ滑らかでない動的特性に対しても、速度空間定式化の滑らかさのおかげで効果的な制御が可能になる。
• フィードバック制御により、モデルの不正確さをリアルタイムで補正でき、単純なモデルでも高精度な制御が達成される。
• 異なる軌道（例：8字型や正方形パス）や速度にわたって一般化が可能であり、MPCフレームワーク内での学習モデルの頑健性と適応性が示された。