Core Concepts
저강성 로봇이 다양한 표면 재질과 작업 정의에 따라 적절한 닦기 행동을 수행할 수 있는 학습 기반 방법을 제안한다.
Abstract
이 연구에서는 저강성 로봇 MyCobot을 사용하여 다양한 표면 재질과 작업 정의에 따른 닦기 행동을 실현하는 방법을 제안한다.
접촉 센서 값의 상태 전이를 나타내는 신경망 구조(TTNPB)를 구축한다. 이 모델은 로봇의 자세, 제어 입력, 표면 재질 특성을 고려하여 접촉 센서 값의 변화를 예측한다.
다양한 표면 재질에 대한 데이터를 수집하고, 매개변수 편향(Parametric Bias)을 사용하여 표면 재질 특성을 학습한다. 이를 통해 현재 표면 재질을 온라인으로 인식할 수 있다.
접촉력, 마찰력 등에 대한 다양한 작업 정의를 설정할 수 있는 손실 함수를 정의하고, 이를 최적화하여 닦기 행동을 생성한다.
실험 결과, 제안 방법은 저강성 로봇이 다양한 표면 재질과 작업 정의에 따라 적절한 닦기 행동을 수행할 수 있음을 보여준다.
Stats
접촉 센서의 3축 힘 데이터가 총 24개 지점에서 수집된다.
제어 입력은 롤, 피치 방향의 토크와 수직 방향 힘으로 구성된다.
Quotes
"이 연구에서는 저강성 로봇 MyCobot을 사용하여 다양한 표면 재질과 작업 정의에 따른 닦기 행동을 실현하는 방법을 제안한다."
"매개변수 편향(Parametric Bias)을 사용하여 표면 재질 특성을 학습함으로써 현재 표면 재질을 온라인으로 인식할 수 있다."