[논문 리뷰] Learning to Control Highly Accelerated Ballistic Movements on Muscular Robots

Dieter Büchler, Roberto Calandra외 1명|arXiv (Cornell University)|2019. 04. 07.

Muscle activation and electromyography studies인용 수 4

한 줄 요약

이 논문은 4-DOF 경량 로봇 팔을 피로성 공기압 인공근(antagonistic PAMs)으로 구동하여, 베이지안 최적화를 통한 안전한 고속 제어를 통해 최대 28,000°s⁻²의 극한의 관절 가속도를 달성한다. 시스템은 PAM의 고유한 유연성, 공근 수축 제어, 마찰과 케이블 굽힘을 최소화한 기계적 설계를 통해 직접적이고 안전한 고속 발사 궤적 학습을 가능하게 하며, 이전의 PAM 기반 로봇들보다 빠른 속도와 더 높은 추적 정확도를 확보한다.

ABSTRACT

High-speed and high-acceleration movements are inherently hard to control. Applying learning to the control of such motions on anthropomorphic robot arms can improve the accuracy of the control but might damage the system. The inherent exploration of learning approaches can lead to instabilities and the robot reaching joint limits at high speeds. Having hardware that enables safe exploration of high-speed and high-acceleration movements is therefore desirable. To address this issue, we propose to use robots actuated by Pneumatic Artificial Muscles (PAMs). In this paper, we present a four degrees of freedom (DoFs) robot arm that reaches high joint angle accelerations of up to 28000 deg/s^2 while avoiding dangerous joint limits thanks to the antagonistic actuation and limits on the air pressure ranges. With this robot arm, we are able to tune control parameters using Bayesian optimization directly on the hardware without additional safety considerations. The achieved tracking performance on a fast trajectory exceeds previous results on comparable PAM-driven robots. We also show that our system can be controlled well on slow trajectories with PID controllers due to careful construction considerations such as minimal bending of cables, lightweight kinematics and minimal contact between PAMs and PAMs with the links. Finally, we propose a novel technique to control the the co-contraction of antagonistic muscle pairs. Experimental results illustrate that choosing the optimal co-contraction level is vital to reach better tracking performance. Through the use of PAM-driven robots and learning, we do a small step towards the future development of robots capable of more human-like motions.

연구 동기 및 목표

• 물리적 로봇 하드웨어에서 고가속도 발사 운동에 대한 안전하고 직접적인 학습을 가능하게 하기 위해.
• 기존 모터 기반 팔을 사용한 고속 제어에서 탐색 시 발생하는 불안정성과 하드웨어 손상 위험을 해결하기 위해.
• 기계적 마찰을 최소화하고 케이블 루팅을 최적화하여 제어성능을 향상시키는 PAM 구동 로봇을 설계하기 위해.
• 대칭 PAM 쌍의 공근 수축 제어가 궤적 추적 성능을 크게 향상시킨다는 것을 입증하기 위해.
• 시스템의 고유한 유연성 덕분에 추가적인 안전 제약 조건 없이도 하드웨어에 직접 베이지안 최적화를 적용할 수 있다는 것을 검증하기 위해.

제안 방법

• 각 관절이 두 개의 대칭 PAM으로 구성된 4-DOF 로봇 팔의 설계를 수행하였으며, 각 관절은 상반된 방향의 두 개의 PAM으로 작동한다.
• Bowden 케이블을 사용한 저마찰 케이블 루팅과 PAM의 구조체에 대한 고정 방식을 통해 굽힘과 굴곡을 최소화한 하드웨어 시스템을 구현하였다.
• 비례 밸브와 FPGA 기반 제어 시스템을 활용하여 100 Hz에서 PAM 압력을 조절하고, 100 kHz의 인코더 피드백을 제공하였다.
• 베이지안 최적화(BO)를 적용하여 하드웨어에 직접 PID 제어기의 피드포워드 항을 튜닝하였으며, 사전 정의된 압력 및 파rameter 범위를 안전 제약 조건으로 사용하였다.
• 추적 성능 향상을 위해 근육 쌍의 활성화 수준을 최적화하는 새로운 공근 수축 제어 기법을 도입하였다.
• 목표 공간(위치 오차 및 속도 오차)에서 파레토 최적 해를 추정하여 공근 수축 수준이 제어 성능에 미치는 영향을 분석하였다.

실험 결과

연구 질문

• RQ1 학습 기반 제어를 통해 외부 안전 장치 없이도 PAM 기반 로봇 팔이 고가속도 운동을 안전하게 탐색할 수 있는가?
• RQ2 비선형적이고 고가속도인 로봇 시스템에서 공근 수축 수준은 궤적 추적 성능에 어떤 영향을 미치는가?
• RQ3 기계적 복잡성이 최소화된 PAM 기반 팔에서 단순한 PID 제어기와 피드포워드 항이 얼마나 정밀한 추적 성능을 달성할 수 있는가?
• RQ4 케이블 굽힘과 PAM에서 기구 구조체에 대한 접촉을 최소화한 기계적 설계는 고속 운동의 제어성능을 어떻게 향상시키는가?
• RQ5 비선형 시스템에서 하드웨어에 직접 베이지안 최적화를 효과적으로 적용하여 고속 궤적 제어를 수행할 수 있는가?

주요 결과

• 로봇은 관절 공간에서 최대 28,000°s⁻²의 가속도와 작업 공간에서 200 m/s²의 가속도를 달성하였으며, 범프터 Wam 팔보다 가속도는 10배, 속도는 4배 빠르게 성능을 확보하였다.
• 고속 가속도에서 발생하는 높은 힘에도 기계적 손상 없이 지속 가능했으며, 이는 학습 과정 중 안전한 탐색을 가능하게 하였다.
• 베이지안 최적화가 하드웨어에 직접 적용되어 PID 제어기의 피드포워드 항을 성공적으로 튜닝하였으며, 고속 궤적에서 뛰어난 추적 성능을 달성하였다.
• 실험 결과, 추정된 파레토 최적 해 근처의 시험에서 유사한 공근 수축 수준을 보였으며, 이는 최적의 공근 수축 수준이 성능에 핵심적임을 시사하였다.
• 수동으로 튜닝된 PID 제어기만으로도 느린 궤적에서 정밀한 추적 성능을 확보하였으며, 이는 기계적 설계가 비선형성 저감에 효과적임을 입증하였다.
• 파레토 최적 해 근처에서 다양한 공근 수축 수준이 관찰되지 않은 것은, 적절한 공근 수축 수준 선택이 이루어진 경우 선형 제어가 비선형 동역학을 효과적으로 관리할 수 있음을 시사한다.