[論文レビュー] Iterative Learning Control for Fast and Accurate Position Tracking with a Soft Robotic Arm.

Matthias Hofer, Lukas Spannagl+1 more|arXiv (Cornell University)|Jan 29, 2019

Iterative Learning Control Systems参考文献 14被引用数 4

ひとこと要約

本稿では、対向配置の空気膨張ベルロウを備えたソフトロボットアームの位置追従精度を向上させるために、フィードバック制御と組み合わせたノルム最適な反復学習制御（ILC）方式を提案する。30回未満の反復において、60°の急激な設定値変更（0.2秒以内）に対して、平均二乗誤差を13°から2°未塔に低減した。

ABSTRACT

This paper presents the application of an iterative learning control scheme to improve the position tracking performance for a soft robotic arm during aggressive maneuvers. Two antagonistically arranged, inflatable bellows actuate the robotic arm and provide high compliance while enabling fast actuation. Low-cost switching valves are used for pressure control of the soft actuators. A norm-optimal iterative learning control scheme based on a linear model of the system is presented and applied in parallel with a feedback controller. The learning scheme is experimentally evaluated on an aggressive trajectory involving set point shifts of 60 degrees within 0.2 seconds. The effectiveness of the learning approach is demonstrated by a reduction of the root-mean-square tracking error from 13 degrees to less than 2 degrees after applying the learning scheme for less than 30 iterations.

研究の動機と目的

• 高速で急激な動作におけるソフトロボットアームの位置追従性能を向上させること。
• 柔軟性があり高速に作動する気圧アクチュエータを備えたソフトロボットシステムにおける高い追従誤差の課題に対処すること。
• 高精度なシステムモデル化を必要とせず、繰り返し発生する追従誤差を低減する反復学習制御方式の開発と検証すること。
• 低コストのスイッチングバルブを用いた圧力制御とILCを統合し、フィードバック制御と組み合わせて、ロバストな性能を実現すること。

提案手法

• ソフトロボットアームの動的特性を線形化したモデルを用いて、ノルム最適な反復学習制御則を設計する。
• ILC方式をフィードバック制御器と並列に適用し、システムの安定化と過渡応答の改善を図る。
• 低コストのスイッチングバルブを用いて対向配置の空気膨張ベルロウの圧力を制御し、高剛性と高速作動を実現する。
• 過去の誤差データに基づいて制御入力を更新することで、繰り返しの試行において追従誤差を最小化する学習則を適用する。
• 0.2秒以内に60°の設定値変更を実行する軌道を用いて、実験的評価を実施する。
• 反復間で誤差ノルムを最小化するようにILCの更新則を導出することで、収束性とロバスト性を確保する。

実験結果

リサーチクエスチョン

• RQ1 高速で急激な動作におけるソフトロボットアームにおいて、反復学習制御が追従誤差を効果的に低減できるか。
• RQ2 フィードバック制御とILCを統合することにより、フィードバック制御単体と比較して性能がどのように向上するか。
• RQ3 低コストの気圧バルブと線形モデルに基づくILCアプローチを用いることで、どの程度の追従精度が達成できるか。
• RQ4 繰り返しタスクにおいて、ILC方式が顕著な誤差低減を達成するために必要な反復回数はどの程度か。

主な発見

• ノルム最適なILC方式により、30回未満の反復で平均二乗誤差（RMS）が13度から2度未塔に低減された。
• 圧力制御に低コストのスイッチングバルブを用いても、高精度な位置追従が達成された。
• ILCとフィードバック制御の組み合わせにより、0.2秒以内に60度の急激な設定値変更に対しても、安定的かつ高精度な追従が可能になった。
• 学習法は迅速な収束を示し、最初の10〜15回の反復のうちに顕著な誤差低減が観察された。
• 線形モデルに基づくILCアプローチは、ソフト気圧アクチュエータに内在する非線形性に対しても有効であった。
• 実験結果により、繰り返しタスクを実行するソフトロボットシステムにおける精度向上に、反復学習制御が実用的であることが確認された。