[論文レビュー] Design, Control, and Applications of a Soft Robotic Arm

Hao Jiang, Zhanchi Wang+6 more|arXiv (Cornell University)|Jul 8, 2020

Soft Robotics and Applications参考文献 62被引用数 7

ひとこと要約

本論文では、高剛性および柔軟性を実現するための新規なソフトロボットアーム設計であるハニカムパルシルレートネットワーク（HPN）を提案する。3つの制御戦略—開ループ制御（区分的定曲率と機械学習を組み合わせたもの）、推定ヤコビアンを用いたフィードバック制御、およびモデルフリー強化学習—を用い、安定な3次元および2次元制御を実証した。HPNアームは3 barの圧力下で横方向の荷重容量が3 kgに達し、人間・ロボット協調作業、自由空間作業、狭い空間作業において強く期待される性能を示した。

ABSTRACT

This paper presents the design, control, and applications of a multi-segment soft robotic arm. In order to design a soft arm with large load capacity, several design principles are proposed by analyzing two kinds of buckling issues, under which we present a novel structure named Honeycomb Pneumatic Networks (HPN). Parameter optimization method, based on finite element method (FEM), is proposed to optimize HPN Arm design parameters. Through a quick fabrication process, several prototypes with different performance are made, one of which can achieve the transverse load capacity of 3 kg under 3 bar pressure. Next, considering different internal and external conditions, we develop three controllers according to different model precision. Specifically, based on accurate model, an open-loop controller is realized by combining piece-wise constant curvature (PCC) modeling method and machine learning method. Based on inaccurate model, a feedback controller, using estimated Jacobian, is realized in 3D space. A model-free controller, using reinforcement learning to learn a control policy rather than a model, is realized in 2D plane, with minimal training data. Then, these three control methods are compared on a same experiment platform to explore the applicability of different methods under different conditions. Lastly, we figure out that soft arm can greatly simplify the perception, planning, and control of interaction tasks through its compliance, which is its main advantage over the rigid arm. Through plentiful experiments in three interaction application scenarios, human-robot interaction, free space interaction task, and confined space interaction task, we demonstrate the potential application prospect of the soft arm.

研究の動機と目的

• ゾウの鼻にインspiredされた強度と器用さを備えたソフトロボットアームを設計すること。
• 荷重下での座屈による不安定性を解消するため、新しい構造的設計原理を提案すること。
• モデル精度の変動や外部の摂動に対しても正確で、頑健かつ適応可能な制御手法を開発すること。
• 特に非構造的環境において、ソフトアームの利点を実世界の協調作業タスクで実証すること。
• 将来的なAIおよびモバイルシステムとの統合を支援する、信頼性が高く、耐久性があり、容易に製造可能なソフトロボットのプラットフォームを確立すること。

提案手法

• 座屈の2つのメカニズムの分析に基づき、荷重容量と安定性を向上させる新規なソフトアーム構造「ハニカムパルシルレートネットワーク（HPN）」を提案した。
• 有限要素法（FEM）を用いたパラメータ最適化を適用し、最大の荷重容量と構造的整合性を達成するためのHPN設計を調整した。
• 迅速なプロトタイピングが可能な迅速な製造プロセスを開発し、機械的特性を調整可能な多数のHPNバリエーションの作成を可能にした。
• 正確なモデルを前提に、区分的定曲率（PCC）モデリングと機械学習を組み合わせた開ループ制御を実装し、高精度な3次元軌道追従を実現した。
• 外部力が作用する3次元空間において、モデルの不正確さを補償するため、推定ヤコビアン行列を用いたフィードバック制御を設計した。
• システムの動的特性に依存しない最小限のデータから直接制御方策を学習するモデルフリー強化学習制御を2次元空間で実現した。

実験結果

リサーチクエスチョン

• RQ1 ソフトロボットアームは、座屈に対する耐性を保ちつつ、高剛性と柔軟性をどのように実現できるか？
• RQ2 内在的なモデル不確実性があるにもかかわらず、外部の摂動下でも3次元空間で十分な精度でソフトアームをモデリングおよび制御することは可能か？
• RQ3 モデルベース、フィードバック、モデルフリーの各制御戦略の性能的トレードオフと、さまざまな条件下での適用可能性は何か？
• RQ4 ソフトアームの柔軟性は、剛性アームと比較して、どのように感知、計画、制御のタスクを簡素化するか？
• RQ5 ソフトロボットアームは、人間・ロボット協調作業、自由空間での操作、狭い空間作業といった実世界のシナリオで実際にどのように応用できるか？

主な発見

• HPN設計は3 barの圧力下で横方向の荷重容量が3 kgに達し、通常のソフトロボットアームの性能を著しく上回った。
• FEMに基づくパラメータ最適化は、構造的安定性と荷重容量の向上に効果的であり、座屈リスクに対する設計原理の妥当性を裏付けた。
• PCCと機械学習を組み合わせた開ループ制御は、正確なモデルを前提に、安定的かつ高精度な3次元軌道追従を実現し、高い制御精度を示した。
• 推定ヤコビアンを用いたフィードバック制御は、モデルの不正確さがある状態でも、外部力が作用する3次元空間で安定した性能を維持した。
• モデルフリー強化学習制御は、最小限の学習データで信頼性の高い2次元制御を達成し、事前のシステムモデルなしでも実現可能であることを証明した。
• ソフトアームは、人間・ロボット協調作業、自由空間での操作、狭い空間作業という3つの実世界の協調作業タスクにおいて、優れた適応性と安全性を示し、非構造的環境における利点を顕著にした。