[논문 리뷰] Design, Control, and Applications of a Soft Robotic Arm

Hao Jiang, Zhanchi Wang외 6명|arXiv (Cornell University)|2020. 07. 08.

Soft Robotics and Applications참고 문헌 62인용 수 7

한 줄 요약

이 논문은 높은 하중 용량과 유연성을 갖춘 새로운 소프트 로봇 팔 설계를 제안하며, 밀도 구조를 가진 공기압 네트워크(Honeycomb Pneumatic Networks, HPN)를 사용한다. 세 가지 제어 전략—조작 없는 제어(조각별 일정 곡률 및 기계 학습), 추정된 자이로스키안을 사용한 피드백 제어, 모델 기반의 강화 학습이 아닌 방법—을 통해 안정적인 3차원 및 2차원 제어를 구현하였다. HPN 팔은 3 bar 압력에서 횡방향 하중 용량이 3 kg에 도달했으며, 인간-로봇 상호작용, 자유 공간, 협소한 공간 작업에서 강력한 잠재력을 보였다.

ABSTRACT

This paper presents the design, control, and applications of a multi-segment soft robotic arm. In order to design a soft arm with large load capacity, several design principles are proposed by analyzing two kinds of buckling issues, under which we present a novel structure named Honeycomb Pneumatic Networks (HPN). Parameter optimization method, based on finite element method (FEM), is proposed to optimize HPN Arm design parameters. Through a quick fabrication process, several prototypes with different performance are made, one of which can achieve the transverse load capacity of 3 kg under 3 bar pressure. Next, considering different internal and external conditions, we develop three controllers according to different model precision. Specifically, based on accurate model, an open-loop controller is realized by combining piece-wise constant curvature (PCC) modeling method and machine learning method. Based on inaccurate model, a feedback controller, using estimated Jacobian, is realized in 3D space. A model-free controller, using reinforcement learning to learn a control policy rather than a model, is realized in 2D plane, with minimal training data. Then, these three control methods are compared on a same experiment platform to explore the applicability of different methods under different conditions. Lastly, we figure out that soft arm can greatly simplify the perception, planning, and control of interaction tasks through its compliance, which is its main advantage over the rigid arm. Through plentiful experiments in three interaction application scenarios, human-robot interaction, free space interaction task, and confined space interaction task, we demonstrate the potential application prospect of the soft arm.

연구 동기 및 목표

• 코끼리의 코처럼 강력하고 민첩한 특성을 띤 소프트 로봇 팔을 설계하여 높은 하중 용량과 유연성을 동시에 확보한다.
• 하중에 의해 발생하는 낙하 현상으로 인한 소프트 팔의 불안정성을 해결하기 위해 새로운 구조 설계 원칙을 제안한다.
• 모델 정확도의 변동과 외부 간섭 요소가 존재하는 상황에서도 정확하고 견고하며 적응력 있는 제어 방법을 개발한다.
• 비구조적 환경에서 특히 유리한 소프트 팔의 장점을 실제 상호작용 작업에서 입증한다.
• 미래의 AI 및 이동형 시스템과의 통합을 지원할 수 있는 신뢰성 있고 내구성 있으며 쉽게 제작 가능한 소프트 로봇 플랫폼을 구축한다.

제안 방법

• 두 가지 낙하 메커니즘 분석 기반으로, 하중 용량과 안정성을 향상시키기 위해 새로운 소프트 팔 구조인 밀도 구조 공기압 네트워크(Honeycomb Pneumatic Networks, HPN)를 제안한다.
• 유한 요소 방법(Finite Element Method, FEM) 기반의 파arameter 최적화를 적용하여 HPN 설계를 최적화함으로써 최대 하중 용량과 구조적 안정성을 확보한다.
• 다양한 HPN 변형을 신속하게 제작할 수 있는 빠른 제작 공정을 개발하여 기계적 성능을 조절 가능하게 하였다.
• 정확한 모델 기반으로 조각별 일정 곡률(Piecewise Constant Curvature, PCC) 모델링과 기계 학습을 조합한 오픈 루프 제어기를 구현하여 고정밀 3차원 궤적 추적을 실현하였다.
• 외부 힘 작용 하에서 모델 정확도가 떨어지는 상황에서도 3차원 공간에서 안정적인 성능 유지를 위해 추정된 자이로스키안 행렬을 사용한 피드백 제어기를 설계하였다.
• 시스템 역학 모델에 의존하지 않고 최소한의 데이터로부터 직접 제어 정책을 학습하는 모델 기반의 강화 학습 제어기를 2차원에서 실현하였다.

실험 결과

연구 질문

• RQ1 소프트 로봇 팔은 어떻게 하중 용량을 높이면서도 낙하에 대비한 안정성과 유연성을 유지할 수 있는가?
• RQ2 내재된 모델 불확실성으로 인해 외부 간섭이 존재하는 3차원 공간에서도 소프트 로봇 팔을 충분히 정확하게 모델링하고 제어할 수 있는가?
• RQ3 다양한 조건에서 모델 기반, 피드백, 모델 기반의 강화 학습이 아닌 제어 전략 간의 성능 상충 관계와 적용 가능성은 어떠한가?
• RQ4 소프트 팔의 탄성 특성은 경직된 팔에 비해 상호작용 작업에서 인식, 계획, 제어를 어떻게 단순화하는가?
• RQ5 소프트 로봇 팔은 인간-로봇 상호작용, 자유 공간 조작, 협소한 공간 작업 등 실제 응용 상황에서 어떻게 실질적으로 활용될 수 있는가?

주요 결과

• HPN 설계는 3 bar 압력에서 횡방향 하중 용량이 3 kg에 도달하여 일반적인 소프트 로봇 팔의 성능을 크게 초월하였다.
• FEM 기반 파라미터 최적화가 구조적 안정성과 하중 용량을 효과적으로 향상시켜 낙하 위험에 대한 설계 원칙의 타당성을 입증하였다.
• PCC와 기계 학습을 조합한 오픈 루프 제어기는 정확한 모델 기반으로 안정적이고 정밀한 3차원 궤적 추적을 실현하여 높은 제어 정밀도를 입증하였다.
• 추정된 자이로스키안을 사용한 피드백 제어기는 외부 힘 작용 하에서도 모델 정확도가 떨어지는 상황에서도 3차원 공간에서 안정적인 성능을 유지하였다.
• 모델 기반의 강화 학습이 아닌 제어기는 최소한의 학습 데이터로도 신뢰할 수 있는 2차원 제어를 달성하여 사전 시스템 모델링 없이도 실현 가능성을 입증하였다.
• 소프트 팔은 인간-로봇 상호작용, 자유 공간 조작, 협소한 공간 작업이라는 세 가지 실제 상호작용 작업에서 뛰어난 적응성과 안전성을 보였으며, 비구조적 환경에서의 장점을 부각시켰다.