PIMBS: 物理情報ニューラルネットワークによる筋骨格ヒューマノイドの効率的な身体スキーマ学習
PIMBS: Efficient Body Schema Learning for Musculoskeletal Humanoids with Physics-Informed Neural Networks
筋骨格ヒューマノイドの身体スキーマ学習に物理情報ニューラルネットワーク(PINN)を適用し、実機データが少なくても物理法則を活用して高精度に学習する手法を提案した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Kento Kawaharazuka, Takahiro Hattori, Keita Yoneda, Kei Okada
分類: cs.RO
原文アブストラクト
Musculoskeletal humanoids are robots that closely mimic the human musculoskeletal system, offering various advantages such as variable stiffness control, redundancy, and flexibility. However, their body structure is complex, and muscle paths often significantly deviate from geometric models. To address this, numerous studies have been conducted to learn body schema, particularly the relationships among joint angles, muscle tension, and muscle length. These studies typically rely solely on data collected from the actual robot, but this data collection process is labor-intensive, and learning becomes difficult when the amount of data is limited. Therefore, in this study, we propose a method that applies the concept of Physics-Informed Neural Networks (PINNs) to the learning of body schema in musculoskeletal humanoids, enabling high-accuracy learning even with a small amount of data. By utilizing not only data obtained from the actual robot but also the physical laws governing the relationship between torque and muscle tension under the assumption of correct joint structure, more efficient learning becomes possible. We apply the proposed method to both simulation and an actual musculoskeletal humanoid and discuss its effectiveness and characteristics.
関連論文
- 筋骨格ヒューマノイドにおける筋肉の特性・管理・活用：KengoroとMusashiに関する実証研究筋骨格ヒューマノイド
- 環境接触下における筋骨格ヒューマノイドの筋弛緩制御を用いた反射ベース動作戦略筋骨格ヒューマノイド
- 筋断裂を補償する冗長性最大化による筋骨格ヒューマノイドの設計最適化筋骨格ヒューマノイド
- 筋骨格ヒューマノイドにおける能動振動による安定性認識と環境を利用した支持動作・運動拡張筋骨格ヒューマノイド
- 筋骨格ヒューマノイドの複雑構造に対する危険回避のオンライン学習とその応用筋骨格ヒューマノイド
- 筋骨格ヒューマノイド上肢における伸張反射の応用：保護行動、姿勢安定性、能動的誘導筋骨格ヒューマノイド
