[論文レビュー] Adaptive Control for Robotic Manipulation of Deformable Linear Objects with Offline and Online Learning of Unknown Models

Mingrui Yu, Hanzhong Zhong+2 more|arXiv (Cornell University)|Jul 1, 2021

Soft Robotics and Applications参考文献 29被引用数 7

ひとこと要約

本稿では、未知の変形モデルを有するばらつき線形物体（DLO）のロボット操作のためのハイブリッドな適応制御フレームワークを提案する。非同期学習によるニューラルネットワーク（NN）を用いて初期のヤコビ行列を推定し、実行中の誤差補正をオンライン適応型NNで行うことで、ラプラス型解析を用いた安定なタスク誤差収束を保証する。この手法により、モデル不確実性やDLOの性質の変化に対しても、正確でリアルタイムな制御が可能になる。

ABSTRACT

The deformable linear objects (DLOs) are common in both industrial and domestic applications, such as wires, cables, ropes. Because of its highly deformable nature, it is difficult for the robot to reproduce human's dexterous skills on DLOs. In this paper, the unknown deformation model is estimated in both the offline and online manners. The offline learning aims to provide a good approximation prior to the manipulation task, while the online learning aims to compensate the errors due to insufficient training (e.g. limited datasets) in the offline phase. The offline module works by constructing a series of supervised neural networks (NNs), then the online module receives the learning results directly and further updates them with the technique of adaptive NNs. A new adaptive controller is also proposed to allow the robot to perform manipulation tasks concurrently in the online phase. The stability of the closed-loop system and the convergence of task errors are rigorously proved with Lyapunov method. Simulation studies are presented to illustrate the performance of the proposed method.

研究の動機と目的

• 変形ダイナミクスが未知または不正確にモデル化されている場合に、ばらつき線形物体（DLO）を操作する課題に対処すること。
• 非十分な非同期学習データや、タスク実行中にDLOの物理的性質が変化することに起因する操作誤差を低減すること。
• より高いロバスト性と正確性を実現するため、非同期事前学習とオンライン適応を統合した制御システムを開発すること。
• ラプラス型解析を用いて、閉ループシステムの安定性とタスク誤差の収束を保証すること。

提案手法

• 非同期フェーズ：収集したエンドエフェクタ速度とDLO形状のデータペアを用いて、ロボットエンドエフェクタ速度とDLO形状変化の関係を表すヤコビ行列を推定するための、一連の教師ありニューラルネットワーク（NN）を訓練した。
• オンラインフェーズ：最近の観測データを活用して、非同期NNモデルを適応型NN技術で動的に更新し、実時間における近似誤差を補正した。
• 更新されたモデルを適応型制御系に統合し、推定された変形モデルからのフィードバックを用いて、DLOのターゲット特徴点を所望の位置に導く制御を実行した。
• ラプラス安定性理論を用いて、提案された適応制御則のもとで、タスク誤差がゼロに収束することを厳密に証明した。
• 推定ヤコビ行列の特異値分解（SVD）を用いて、小さな特異値を無視することで、特異性の問題を検出し、緩和した。
• 比例ゲインと適応更新則（式12）を有する制御則を適用し、リアルタイムの誤差とモデル不確実性に基づいて制御入力を調整した。

実験結果

リサーチクエスチョン

• RQ1 非同期に訓練されたニューラルネットワークは、ロボット操作タスクにおけるDLOの変形モデルの信頼できる初期近似を提供できるか？
• RQ2 非同期モデルが不十分または不正確な場合に、オンライン適応学習は、操作中に生じるモデル誤差を効果的に低減できるか？
• RQ3 非同期学習とオンライン学習を統合することで、単独の非同期またはオンライン手法と比較して、制御の正確性と収束性が向上するか？
• RQ4 提案された適応型制御器は、未知または変化するDLOダイナミクスに対しても、安定的かつ収束性のあるタスク性能を保証できるか？
• RQ5 モデル不確実性と特異性が制御性能に与える影響は何か？実際の応用においてそれらはどのように緩和できるか？

主な発見

• オンライン学習を有効にした場合、最初のタスクで目標位置への収束が速くなった。特に、目標点がより速く目的位置に到達した。
• 経路追従タスクにおいて、オンライン更新により、非同期のみのアプローチと比較して位置誤差が顕著に低減された。これは、動的条件下でも正確性が向上したことを示している。
• マルチターゲット順次操作タスクにおいて、DLO長や変形の変化があっても、各ターゲットポイントが所望の位置に正確に固定された。これは、構造的変化に対して高いロバスト性を示している。
• シミュレーション結果から、タスク誤差が時間経過とともにゼロに収束することが確認され、ラプラス法による理論的安定性証明が妥当であることが裏付けられた。
• 特異値分解（SVD）を用いた特異性対策により、小さな特異値が原因で大きな制御入力が発生するのを防ぎ、数値的安定性が向上した。
• DLOの物理的性質や構成が操作中に変化しても、本手法は効果的な汎化と適応を示した。