Core Concepts
근육-골격 구조의 복잡한 근육 및 뼈 구조를 모델링하기 어려운 문제를 해결하기 위해, 실제 로봇의 관절 각도, 근육 장력, 근육 길이 간의 비선형 관계를 학습하는 제어 메커니즘을 제안한다.
Abstract
이 연구에서는 근육-골격 구조 휴머노이드의 자기 신체 이미지를 항상 정확하게 유지하기 위한 장기간 학습 제어 메커니즘을 제안한다. 이를 통해 근육-골격 구조 휴머노이드가 위치 제어, 토크 제어, 가변 강성 제어를 수행할 수 있음을 보여준다.
자기 신체 이미지 획득 과정은 다음과 같다:
기하학적 모델을 사용하여 이상적인 관절-근육 매핑(IJMM)과 근육 경로 변화 모델(MRCM)을 초기 학습한다.
실제 로봇 센서 정보를 사용하여 IJMM과 MRCM을 온라인으로 지속적으로 업데이트한다. 이때 데이터 누적 및 증강 기법을 사용하여 안정적인 학습을 보장한다.
근육 장력 및 온도 상승을 고려한 안전 메커니즘을 적용한다.
자기 신체 이미지를 활용한 제어 방법은 다음과 같다:
위치 제어: 자기 신체 이미지를 통해 목표 관절 각도를 달성하기 위한 목표 근육 길이를 계산한다.
토크 제어: 자기 신체 이미지의 근육 자코비안을 활용하여 관절 토크 제어를 수행한다.
가변 강성 제어: 자기 신체 이미지로부터 추정한 작동 강성을 목표 강성으로 제어한다.
이러한 제안 방법들은 근육-골격 구조 휴머노이드의 응용 범위를 확장할 것으로 기대된다.
Stats
근육 장력이 200N을 초과하면 근육 길이 변화를 제한하여 모터 과열을 방지한다.
근육 온도가 60°C를 초과하면 근육 길이 변화를 제한하여 모터 과열을 방지한다.
Quotes
"근육-골격 구조 휴머노이드는 인간과 같은 다자유도, 과구동 척추 및 손가락 구조, 비선형 탄성과 근육의 길항 작용을 이용한 가변 강성 제어, 여분의 근육을 이용한 오차 보정 등의 장점을 가지고 있다."
"기존 모델 기반 제어로는 근육-골격 구조 휴머노이드의 복잡한 근육 및 뼈 구조를 실현할 수 없기 때문에, 실제 로봇 센서 정보를 이용하여 관절 각도, 근육 장력, 근육 길이 간의 비선형 관계를 학습하는 제어 메커니즘이 필요하다."