[논문 리뷰] Discussions on Inverse Kinematics based on Levenberg-Marquardt Method and Model-Free Adaptive (Predictive) Control

Feilong Zhang|arXiv (Cornell University)|2020. 09. 30.

Iterative Learning Control Systems참고 문헌 18인용 수 4

한 줄 요약

이 논문은 제어 이론을 통해 레벤버그-마르카르트 방법을 재해석함으로써 역기구학 문제를 해결하기 위한 새로운 모델 프리 어댑티브 예측 제어(MFAPC) 접근법을 제안한다. 예측 추적 오차를 최소화함으로써 MFAPC는 계산 오차에서 뛰어난 수렴성과 강건성을 달성하며, 시뮬레이션에서 뛰어난 제어 성능과 효율적인 역기구학 해법 확보를 보여준다.

ABSTRACT

In this brief, the current robust numerical solution to the inverse kinematics based on Levenberg-Marquardt (LM) method is reanalyzed through control theory instead of numerical method. Compared to current works, the robustness of computation and convergence performance of computational error are analyzed much more clearly by analyzing the control performance of the corrected model free adaptive control (MFAC). Then mainly motivated by minimizing the predictive tracking error, this study suggests a new method of model free adaptive predictive control (MFAPC) to solve the inverse kinematics problem. At last, we apply the MFAPC as a controller for the robotic kinematic control problem in simulation. It not only shows an excellent control performance but also efficiently acquires the solution to inverse kinematic.

연구 동기 및 목표

• 수치 분석이 아닌 제어 이론을 통해 레벤버그-마르카르트 방법을 재분석하여 역기구학 문제를 해결한다.
• 역기구학 해법의 계산 강건성과 수렴 성능을 향상시킨다.
• 예측 추적 오차를 최소화하기 위한 목표로 새로운 예측 제어 프레임워크인 모델 프리 어댑티브 예측 제어(MFAPC)를 개발한다.
• MFAPC가 시뮬레이션에서 역기구학 문제를 해결하고 로봇 기구학을 제어하는 데 효과적인지 입증한다.

제안 방법

• 레벤버그-마르카르트 방법을 제어 문제로 재해석하여 제어 이론적 원리를 통해 성능을 분석한다.
• 예측 추적 오차를 최소화하기 위해 설계된 새로운 제어 전략인 모델 프리 어댑티브 예측 제어(MFAPC)를 제안한다.
• MFAPC를 로봇 기구학 시스템의 제어기로 적용하여, 역기구학 문제를 실시간 제어 과제로 간주한다.
• 안정성과 수렴성을 향상시키기 위해 수정된 모델 프리 어댑티브 제어(MFAC) 프레임워크를 사용한다.
• 예측 제어 설계를 통해 향후 추적 오차를 사전에 예측하고 감소시킨다.
• 성능 및 해법 효율성 평가를 위해 시뮬레이션 기반의 로봇 기구학 제어를 통해 방법을 검증한다.

실험 결과

연구 질문

• RQ1 역기구학 문제에 대한 레벤버그-마르카르트 방법을 제어 이론을 활용해 재해석함으로써 강건성과 수렴성을 향상시킬 수 있는가?
• RQ2 수정된 모델 프리 어댑티브 제어(MFAC)의 제어 이론적 성능 특성은 역기구학 문제 해결에 어떻게 적용되는가?
• RQ3 예측 제어 접근법이 역기구학 해법의 정확성과 효율성을 뚜렷이 향상시킬 수 있는가?
• RQ4 기본적인 방법들과 비교했을 때, 제안된 MFAPC 방법은 계산 오차 수렴성과 강건성 측면에서 어떻게 성능을 발휘하는가?
• RQ5 MFAPC는 시뮬레이션에서 로봇 기구학 시스템 제어에 얼마나 효과적인가?

주요 결과

• 레벤버그-마르카르트 방법을 제어 이론적으로 재해석함으로써 계산 강건성과 수렴 성능에 대한 명확한 분석이 가능해졌다.
• MFAPC는 예측 추적 오차를 효과적으로 최소화하여, 역기구학 해법의 정확도가 향상됨을 입증했다.
• 제안된 MFAPC 제어기는 로봇 기구학 시뮬레이션에서 뛰어난 제어 성능을 보였다.
• 기본 방법들과 비교해 볼 때, MFAPC는 향상된 수렴성과 강건성을 바탕으로 역기구학 해법을 효율적으로 확보했다.
• 시뮬레이션 결과는 MFAPC가 실시간 로봇 제어 응용 분야에서 타당하고 고성능 대안임을 확인했다.