[논문 리뷰] Kinematic Synthesis of Parallel Manipulator via Neural Network Approach

Jahan B. Ghasemi, Reza Moradinezhad외 1명|ArXiv.org|2019. 04. 08.

Robotic Mechanisms and Dynamics참고 문헌 21인용 수 7

한 줄 요약

이 논문은 2개의 회전 자유도와 1개의 평행 이동 자유도를 가진 트라이셉트 파라렐 맨이플레이터의 역기구학 문제를 신경망 기반 접근법으로 해결하는 것을 제안한다. 특정 궤적을 따라 해석적 역기구학 해법을 사용해 학습 데이터를 생성하고, 다층 퍼셉트론(Multi-Layer Perceptron)과 반경기저함수(Radial Basis Function) 신경망이 기구학 합성에서 높은 정확도와 빠른 속도를 달성하여, 복잡한 파라렐 로봇 운동 제어에 인공신경망(ANN)의 타당성을 입증한다.

ABSTRACT

In this research, Artificial Neural Networks (ANNs) have been used as a powerful tool to solve the inverse kinematic equations of a parallel robot. For this purpose, we have developed the kinematic equations of a Tricept parallel kinematic mechanism with two rotational and one translational degrees of freedom (DoF). Using the analytical method, the inverse kinematic equations are solved for specific trajectory, and used as inputs for the applied ANNs. The results of both applied networks (Multi-Layer Perceptron and Redial Basis Function) satisfied the required performance in solving complex inverse kinematics with proper accuracy and speed.

연구 동기 및 목표

• 기하학적 및 기구학적 제약으로 인해 해석적으로 모델링하기 어려운 파라렐 맨이플레이터에서 복잡한 역기구학 문제를 해결하는 데 도전한다.
• 인공신경망(ANN)을 사용한 데이터 기반 접근법을 개발하여 트라이셉트 유형의 파라렐 맨이플레이터에 대한 역기구학 해법을 근사한다.
• 다층 퍼셉트론(MLP)과 반경기저함수(RBF)라는 두 가지 다른 ANN 아키텍처의 성능을 비교하여 복잡한 파라렐 로봇의 역기구학 문제를 높은 정확도와 계산 효율성으로 해결하는 데 목표를 둔다.
• 실시간 제어 응용 분야에서 전통적인 해석적 또는 반복적 방법에 비해 빠르고 신뢰할 수 있는 대안을 제공한다.

제안 방법

• 2개의 회전 자유도와 1개의 평행 이동 자유도를 가진 트라이셉트 파라렐 맨이플레이터의 해석적 역기구학 방정식을 유도한다.
• 정의된 궤적을 따라 역기구학을 해석적으로 풀어 연역 데이터를 생성하며, 입력으로는 종단기구의 위치/자세를, 출력으로는 관절 각도를 사용한다.
• 생성된 데이터셋을 사용하여 다층 퍼셉트론(MLP) 신경망을 학습시켜 역기구학 맵핑을 학습한다.
• 동일한 데이터셋을 사용하여 반경기저함수(RBF) 신경망을 학습시켜 MLP 아키텍처와 성능를 비교한다.
• 새로운 종단기구 자세에 대해 관절 각도를 예측할 수 있는지 검증하여 학습된 신경망의 성능을 평가한다.
• 정확도(평균제곱오차)와 계산 속도를 기준으로 두 신경망 유형 간의 성능을 평가한다.

실험 결과

연구 질문

• RQ1 인공신경망은 트라이셉트 파라렐 맨이플레이터의 역기구학을 높은 정확도로 효과적으로 근사할 수 있는가?
• RQ2 MLP와 RBF 신경망의 성능 특성은 파라렐 로봇의 복잡한 역기구학 문제 해결에 있어 어떻게 비교되는가?
• RQ3 데이터 기반 신경망 접근법은 실시간 제어 응용에 적합한 실시간 성능을 달성할 수 있는가?
• RQ4 해석적 해법에서 유도된 학습 데이터의 품질이 신경망 모델의 일반화 및 정확도에 어느 정도 영향을 미치는가?
• RQ5 궤적 추적에 있어 전통적인 반복적 또는 해석적 방법에 비해 신경망 접근법이 속도와 강건성 측면에서 뛰어나다고 할 수 있는가?

주요 결과

• 다층 퍼셉트론과 반경기저함수 신경망 모두 트라이셉트 파라렐 맨이플레이터의 역기구학 문제를 매우 높은 정확도로 성공적으로 해결하였다.
• 신경망 솔루션은 빠른 계산 시간을 달성하여 실시간 제어 응용에 적합하였다.
• RBF 신경망은 MLP보다 더 빠른 수렴 속도를 보였지만, 최종 정확도는 두 모델 간에 유사하였다.
• 시험 궤적 전반에 걸쳐 예측의 평균제곱오차(MSE)가 일관되게 낮게 유지되어 모델의 신뢰성을 확인하였다.
• 해석적으로 유도된 역기구학을 학습 데이터로 사용함으로써 신경망의 일반화 능력과 정밀도가 크게 향상되었다.
• 결과적으로, ANN은 복잡한 파라렐 맨이플레이터에 대한 기존의 역기구학 해법기반 솔루션에 비해 강건하고 효율적인 대안이 될 수 있음을 확인하였다.