[論文レビュー] Design of Deep Neural Networks as Add-on Blocks for Improving Impromptu Trajectory Tracking

Siqi Zhou, Mohamed K. Helwa+1 more|arXiv (Cornell University)|May 31, 2017

Iterative Learning Control Systems参考文献 21被引用数 6

ひとこと要約

本稿では、即興的な軌道追従を向上させるために、深層ニューラルネットワーク（DNN）を事前に級連接続して、リアルタイムで参照信号を調整するDNN強化制御アーキテクチャを提案する。特徴選択のための理論的洞察を導出し、特にベースラインシステムにおけるゼロ定常誤差の必要性を特定することで、先行研究より1/3の入力特徴数で、平均45.2%のRMS追従誤差低減を達成した。

ABSTRACT

This paper introduces deep neural networks (DNNs) as add-on blocks to baseline feedback control systems to enhance tracking performance of arbitrary desired trajectories. The DNNs are trained to adapt the reference signals to the feedback control loop. The goal is to achieve a unity map between the desired and the actual outputs. In previous work, the efficacy of this approach was demonstrated on quadrotors; on 30 unseen test trajectories, the proposed DNN approach achieved an average impromptu tracking error reduction of 43% as compared to the baseline feedback controller. Motivated by these results, this work aims to provide platform-independent design guidelines for the proposed DNN-enhanced control architecture. In particular, we provide specific guidelines for the DNN feature selection, derive conditions for when the proposed approach is effective, and show in which cases the training efficiency can be further increased.

研究の動機と目的

• 即興的軌道追従を改善するため、ベースラインフィードバック制御系に追加ブロックとして深層ニューラルネットワーク（DNN）を統合するための、プラットフォームに依存しない設計指針を開発すること。
• DNN強化制御アーキテクチャが有効である条件を特定すること、特にステップ入力に対するベースラインシステムの定常応答に焦点を当てる。
• 試行錯誤による特徴選択ではなく、理論的洞察を用いて、性能を損なわずにDNNモジュールの入力次元を低減すること。
• ベースラインシステムがゼロ定常誤差を満たす必要があるという必要条件を満たす場合に限って、差分学習スキームを適用することで、学習効率を向上させること。
• 異なるロボットプラットフォームや制御システムに一般化可能な、DNN強化制御アプローチの一般的な定式化を提供すること。

提案手法

• DNNは、ベースラインフィードバック制御系で一連の参照軌道を実行して得られたデータを用いて、事前にオフラインで学習する。
• DNNの入力は、相対次数解析に基づいて選択された、将来の所望の軌道微分（例：位置、速度の時間的変化）と、現在のシステム状態（例：姿勢、角速度）の組み合わせである。
• 学習安定性と収束性を向上させるために、将来と現在の参照値の差分をDNNの入力に適用する差分学習スキームを適用する。
• DNNは、ベースラインシステムの逆ダイナミクスを近似するように学習させ、追従誤差を最小化する補正された参照信号を効果的に生成する。
• 理論的分析により、DNNモジュールがベースラインシステムの逆出力方程式と関連づけられ、有効性の条件を導出可能となる。
• シミュレーションおよびクアッドコプター・プラットフォームでの実験により、ベースライン制御系および先行のDNN設計と比較して、本手法の有効性を検証した。

実験結果

リサーチクエスチョン

• RQ1 DNN強化制御アーキテクチャは、どのような条件下で即興的軌道追従に有効であるか？
• RQ2 DNNの入力特徴は、次元を低減しつつ、追従性能を維持するためにどのように体系的に選択できるか？
• RQ3 ベースラインシステムのステップ入力に対する定常応答が、差分学習スキームの成功に果たす役割は何か？
• RQ4 DNNベースの参照補償アプローチは、再学習なしに異なるロボットプラットフォームに一般化可能か？
• RQ5 本手法は、先行の試行錯誤ベースのDNN設計と比較して、性能および学習効率の点でどのように優れているか？

主な発見

• DNN強化制御アーキテクチャは、5つの未観測のテスト軌道において、平均45.2%のRMS追従誤差低減を達成し、入力が36個の先行DNNと同等の性能を達成したが、入力特徴数は12個にまで削減された。
• 相対次数解析とシステムダイナミクスに基づく本手法の特徴選択法により、DNNの入力次元を67%低減しつつ、同等の追従性能を維持した。
• 差分学習スキームは、ベースラインシステムがステップ入力に対してゼロ定常誤差を達成している場合にのみ有効であり、そうでない場合にはバイアス補償に失敗する。
• 理論的分析により、DNNモジュールがベースラインシステムの逆ダイナミクスを近似していることが確認され、追従誤差を最小化する有効性の裏付けが得られた。
• 不安定なゼロダイナミクスを有するシステムでは、本手法は有効ではない。これは、逆ダイナミクスが非最小位相かつ不安定になるためである。
• 実験結果から、入力特徴数を削減したDNNが、z方向における遅延補償をより良く行っていることが示され、制御命令の時間的整合性が向上していることがわかった。