[논문 리뷰] Gaussians on Riemannian Manifolds for Robot Learning and Adaptive Control.

Sylvain Calinon, Noémie Jaquier|arXiv (Cornell University)|2019. 09. 12.

Gaussian Processes and Bayesian Inference인용 수 2

한 줄 요약

이 논문은 비유클리드 공간에서의 로봇 학습 및 적응형 제어를 향상시키기 위해 리만 기하학과 다각도에서의 가우시안 분포를 활용하는 것을 제안한다. 지오데식선, 평행 이송, 다각도 특화 확률 모델을 활용하여, 비유클리드 공간에서 강력한 학습과 제어를 가능하게 하며, sEMG 기반의 인공손 제어 및 수중 双수 원격 제어 사례를 통해 이를 입증한다.

ABSTRACT

This article presents an overview of robot learning and adaptive control applications that can benefit from a joint use of Riemannian geometry and probabilistic representations. The roles of Riemannian manifolds, geodesics and parallel transport in robotics are first discussed. Several forms of manifolds already employed in robotics are then presented, by also listing manifolds that have been underexploited but that have potentials in future robot learning applications. A varied range of techniques employing Gaussian distributions on Riemannian manifolds are then introduced, including clustering, regression, information fusion, planning and control problems. Two examples of applications are presented, involving the control of a prosthetic hand from surface electromyography (sEMG) data, and the teleoperation of a bimanual underwater robot. Further perspectives are finally discussed, with suggestions of promising research directions.

연구 동기 및 목표

• 전통적인 유클리드 기반 학습 및 제어의 한계를 해결하기 위해 로봇 시스템에 리만 기하학을 통합하는 것.
• 미래의 로봇 학습 응용에 잠재력을 지닌 미사용된 다각도를 식별하는 것.
• 클러스터링, 회귀, 정보 융합과 같은 확률 기법을 리만 다각도에 적용하고 개발하는 것.
• 실제 로봇 제어 작업을 통해 프레임워크의 실용적 유용성을 입증하는 것.
• 로봇 공학을 위한 다각도 기반 학습 분야의 향후 연구 방향을 제안하는 것.

제안 방법

• 로봇 상태 및 파rameter 공간의 내재 기하학을 모델링하기 위해 리만 다각도를 활용한다.
• 최적 경로를 위해 지오데식선을 적용하고, 곡면 공간을 가로질러 일관된 벡터 이동을 위해 평행 이송을 활용한다.
• 불확실성 인식 학습을 가능하게 하기 위해 다각도에 정의된 가우시안 분포를 활용한다.
• 데이터 기반 정책 및 상태 추정을 위해 다각도 기반의 회귀 및 클러스터링을 통합한다.
• 센서 및 제어 데이터 통합을 향상시키기 위해 다각도에서의 정보 융합 기법을 조합한다.
• 더 나은 안정성과 성능을 위해 다각도 인식 최적화를 활용해 제어 전략을 적응시킨다.

실험 결과

연구 질문

• RQ1 리만 기하학은 비유클리드 공간에서 로봇 동역학의 표현과 학습을 어떻게 향상시킬 수 있는가?
• RQ2 로봇 공학에 적합한 리만 다각도에서 가우시안 분포를 정의하고 조작하는 가장 효과적인 방법은 무엇인가?
• RQ3 미사용된 다각도 중 미래의 로봇 학습 응용에 유망한 것은 무엇인가?
• RQ4 지오데식선과 평행 이송은 로봇 시스템의 제어 및 계획을 어떻게 향상시킬 수 있는가?
• RQ5 다양한 확률 모델은 실질적인 로봇 작업에서 표준 유클리드 접근 방식보다 어떻게 뛰어나게 작용할 수 있는가?

주요 결과

• 리만 기하학과 확률 모델의 통합은 복잡하고 비선형적인 로봇 상태 공간에서 더 정확하고 강력한 학습을 가능하게 한다.
• 다각도 인식 가우시안 프로세스 및 회귀 기법은 유클리드 대비 더 나은 일반화 및 불확실성 정량화를 보여준다.
• 다각도에서의 지오데식 경로는 제어 및 계획의 최적 경로를 제공하여 시스템의 안정성과 수렴성을 향상시킨다.
• 평행 이송은 곡면 공간을 가로질러 일관된 벡터 연산을 보장하여 신뢰할 수 있는 학습 및 제어 업데이트에 필수적이다.
• 다각도 기반 매핑을 통해 sEMG 신호를 이용한 인공손 실시간 제어가 성공적으로 가능해졌다.
• 적절한 리만 다각도에 대한 관절 구성 모델링을 통해 수중 双수 로봇 원격 제어가 효과적으로 가능해졌다.