核心概念
専門家の直感に頼らずに、動作と相互作用力のデータから最適なタスクフレームを自動的に導出する。
要約
本研究では、接触を伴うタスクの学習と制御のためのタスクフレームを自動的に導出する手法を提案している。
タスクフレームの原点と方位を、ワールド座標系またはロボットツール座標系のいずれかに固定することを仮定している。
動作と相互作用力のデータから、スクリュー理論に基づいて確率的に最適なタスクフレームを導出する。
2つの原理に基づいて、スクリューの方向成分と力モーメント成分の分離、および動作と相互作用力の分離を目指す。
提案手法を様々な接触を伴うタスクに適用し、専門家が想定したタスクフレームとの良好な一致を示す。
導出したタスクフレームに基づいて制約ベースのコントローラを設計し、ロボットでの実験により有効性と汎用性を検証する。
本手法は、接触を伴うタスクのLfDにおける課題を埋める重要な一歩となる。
統計
動作と相互作用力のデータから最適なタスクフレームを自動的に導出することで、専門家の直感に頼らずにタスクを簡単にプログラミングできる。
提案手法は、動作と相互作用力の両方の情報を活用し、位置と力のみならず、向きと力モーメントも考慮する。
タスクフレームの原点と方位を別々に決定するため、ワールド座標系とツール座標系のいずれかに固定されたタスクフレームを得ることができる。
手法には任意のハイパーパラメータが含まれず、データ駆動型で最適なタスクフレームを導出できる。
引用
"タスクフレームの選択は専門家の直感に頼るため、容易ではない。"
"提案手法は、動作と相互作用力の両方の情報を活用し、位置と力のみならず、向きと力モーメントも考慮する。"
"本手法は、接触を伴うタスクのLfDにおける課題を埋める重要な一歩となる。"