[論文レビュー] Adaptive and Resilient Soft Tensegrity Robots

John Rieffel, Jean-Baptiste Mouret|arXiv (Cornell University)|Feb 10, 2017

Structural Analysis and Optimization参考文献 37被引用数 5

ひとこと要約

本論文では、振動モーターで駆動されるソフトなテンスグリティロボットを提示しており、データ効率の良いベイズ最適化を用いて自律的かつ効率的な歩行歩様を発見する。ロボットは物理的損傷に対しても高い耐性を示し、学習を通じて迅速に歩行を再調整し、最小限の物理的試行で効果的な歩行を達成する。

ABSTRACT

Living organisms intertwine soft (e.g., muscle) and hard (e.g., bones) materials, giving them an intrinsic flexibility and resiliency often lacking in conventional rigid robots. The emerging field of soft robotics seeks to harness these same properties in order to create resilient machines. The nature of soft materials, however, presents considerable challenges to aspects of design, construction, and control -- and up until now, the vast majority of gaits for soft robots have been hand-designed through empirical trial-and-error. This manuscript describes an easy-to-assemble tensegrity-based soft robot capable of highly dynamic locomotive gaits and demonstrating structural and behavioral resilience in the face of physical damage. Enabling this is the use of a machine learning algorithm able to discover effective gaits with a minimal number of physical trials. These results lend further credence to soft-robotic approaches that seek to harness the interaction of complex material dynamics in order to generate a wealth of dynamical behaviors.

研究の動機と目的

• 物理的損傷後に自律的かつ自己適応的に歩行歩様を発見できる柔軟で耐障害性のあるロボットの開発。
• 従来の運動学的手法では制御が困難な高次元かつ柔軟なソフトロボットの制御課題に対処すること。
• 手動でチューニングされた歩行歩様に依存することを減らし、機械学習を用いて最小限の物理的実験で効果的な歩行戦略を発見できる仕組みを提供すること。
• テンスグリティ構造と振動駆動の組み合わせが、構造的耐障害性と動的適応性の両方を実現できることを示すこと。

提案手法

• ロボットは、プレテンションをかけたスプリングで接続された炭素繊維ストラットからなるテンスグリティ構造であり、特定のストラットに取り付けられた3つの振動モーターで駆動される。
• 前向きの変位を最大化する最適なモーター周波数の組み合わせを探索するために、ガウス過程事前分布を用いたベイズ最適化アルゴリズムが用いられる。
• 獲得関数には上側信頼区間（UCB）が使用され、未試行の周波数組み合わせの探索と、高い性能を示すものの活用のバランスが取られる。
• 事前分布は、9つの手動で選択された周波数トリプレット（例：±100%、0%）とその性能スコアを用いて定義され、探索空間の有望な領域への導入が図られる。
• 類似性をモデル化するために、β = 0.15 を用いた指数カーネル関数が使用される。
• アルゴリズムは、予測された性能と不確実性に基づいて新しい周波数組み合わせを選択し、各物理的試行後にガウス過程モデルを更新する。

実験結果

リサーチクエスチョン

• RQ1 機械学習を用いて最小限の物理的試行で、ソフトなテンスグリティロボットが効果的な歩行歩様を自律的に発見できるか？
• RQ2 物理的損傷を受けるとロボットの性能はどの程度低下し、適応的学習によって回復できるか？
• RQ3 全速力モーター周波数の組み合わせに基づく学習済み事前分布は、歩行歩様発見における試行効率をどの程度向上させるか？
• RQ4 高次元かつ非線形な動的特性を持つテンスグリティ構造において、振動駆動が耐障害的かつ動的適応可能な歩行を実現できるか？

主な発見

• 10回の学習反復後、ロボットは1試行あたり中央値12.5 cmの前進変位を達成し、第5百分位数と第95百分位数はそれぞれ8.0 cmと18.0 cmであった。
• 物理的損傷（例：1つのモーターを除去、ストラットを破損）後、15回未満の追加試行で機能的な歩行歩様を再学習し、強い耐障害性を示した。
• 手動で作成された事前分布の使用により、試行効率が顕著に向上し、ランダムサーチよりも高速に高性能な歩行歩様に収束した。
• ベイズ最適化フレームワークにより、非直感的な歩行パターン（例：非対称なモーター周波数）が発見され、それらは対称的または手動チューニングされた設定を上回る性能を示した。
• 変形後もロボットは構造的整合性を維持し、元の形状に戻ったことから、テンスグリティ構造の本質的耐障害性が確認された。
• 統計的分析により、事前分布を用いた探索とランダムサーチとの間で性能に有意差が認められた（p ≤ 0.01）、すなわち、情報に基づいた探索の利点が裏付けられた。