[論文レビュー] Dynamic Movement Primitives in Robotics: A Tutorial Survey

Matteo Saveriano, Fares J. Abu‐Dakka+2 more|arXiv (Cornell University)|Feb 7, 2021

Muscle activation and electromyography studies参考文献 318被引用数 46

ひとこと要約

ロボティクスにおけるダイナミックムーブメントプリミティブ（DMP）を統合的に解説・分析・検討する総合的なチュートリアル調査で、古典的な定式化、拡張、実装、未解決の課題を扱う。

ABSTRACT

Biological systems, including human beings, have the innate ability to perform complex tasks in versatile and agile manner. Researchers in sensorimotor control have tried to understand and formally define this innate property. The idea, supported by several experimental findings, that biological systems are able to combine and adapt basic units of motion into complex tasks finally lead to the formulation of the motor primitives theory. In this respect, Dynamic Movement Primitives (DMPs) represent an elegant mathematical formulation of the motor primitives as stable dynamical systems, and are well suited to generate motor commands for artificial systems like robots. In the last decades, DMPs have inspired researchers in different robotic fields including imitation and reinforcement learning, optimal control,physical interaction, and human-robot co-working, resulting a considerable amount of published papers. The goal of this tutorial survey is two-fold. On one side, we present the existing DMPs formulations in rigorous mathematical terms,and discuss advantages and limitations of each approach as well as practical implementation details. In the tutorial vein, we also search for existing implementations of presented approaches and release several others. On the other side, we provide a systematic and comprehensive review of existing literature and categorize state of the art work on DMP. The paper concludes with a discussion on the limitations of DMPs and an outline of possible research directions.

研究の動機と目的

• モータープリミティブ理論を説明し、DMPがロボットの運動生成のために安定なダイナミカルシステムを形式化する方法を説明する。
• 古典的DMPとその拡張に対する統一的な数学的扱いを提供する。
• DMPを制御フレームワークと学習パラダイムへ統合することをレビューする。
• 利用可能な実装を調査し、実践的な考慮事項と制限を論じる。
• 未解決の課題を特定し、今後の研究の方向性を概説する。

提案手法

• 離散運動およびリズム運動のための古典的および拡張DMP定式化を、厳密な数学的用語で提示する。
• 局所加重回帰（LWR）などの手法や代替案（GMM、GMR、GP、NN）による forcing term の学習を論じる。
• タイミングと停止のための位相変数と代替案（指数、シグモイド、分割、線形など）を説明する。
• オリエンテーション表現（四元数および回転行列）と SPD多様体へのDMPの拡張を説明する。
• DMPをマニピュレーション、学習、インタラクションフレームワークへ統合する調査と、オープンソース実装を提供する。

実験結果

リサーチクエスチョン

• RQ1 離散運動およびリズム運動に対する古典的および拡張DMP定式化とは何か？
• RQ2 デモンストレーションからDMPを学習し、タスクや空間をまたいで一般化するにはどうすればよいか？
• RQ3 オリエンテーション、SPD行列、およびインタラクションタスクを扱うようにDMPを拡張する方法は？
• RQ4 さまざまなアプリケーションにおけるDMPの実践的考慮事項、実装、制限は何か？
• RQ5 包括的なDMP調査から浮かび上がる未解決課題と今後の方向性は何か？

主な発見

• DMPはデータから学習し、リアルタイムで撹乱に対応できる安定で柔軟な運動生成を提供する。
• 本チュートリアルは、オリエンテーションおよびSPD多様体表現を含む複数のDMP定式化と拡張を統合する。
• forcing term の学習はLWR、GMM/GMR、GP、ニューラルネットワークで行え、複数のデモンストレーションは一般化を高める。
• 位相変数の選択と位相停止／ゴールスイッチングは、柔軟なタイミングとオンライン適応を可能にする。
• 採用を促進するために、広範な実装とオープンソース資源が整理されている。
• 本調査はDMPの制限を明確にし、今後の研究方向を概説する。