未知の外部ペイロード下におけるソフトロボットの速度形データ駆動型予測制御
Velocity-Form Data-Enabled Predictive Control of Soft Robots under Unknown External Payloads
未知のペイロードや外乱がある状況でもソフトロボットを高精度に制御するため、入出力データを増分表現で扱う速度形DeePCフレームワークを提案し、平面ソフトロボット実験で標準DeePCより優れることを示した。
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: Huanqing Wang, Kaixiang Zhang, Kyungjoon Lee, Yu Mei, Vaibhav Srivastava, Jun Sheng, Ziyou Song, Zhaojian Li
分類: cs.RO, cs.SY, eess.SY
原文アブストラクト
Data-driven control methods such as data-enabled predictive control (DeePC) have shown strong potential in efficient control of soft robots without explicit parametric models. However, in object manipulation tasks, unknown external payloads and disturbances can significantly alter the system dynamics and behavior, leading to offset error and degraded control performance. In this paper, we present a novel velocity-form DeePC framework that achieves robust and optimal control of soft robots under unknown payloads. The proposed framework leverages input-output data in an incremental representation to mitigate performance degradation induced by unknown payloads, eliminating the need for weighted datasets or disturbance estimators. We validate the method experimentally on a planar soft robot and demonstrate its superior performance compared to standard DeePC in scenarios involving unknown payloads.
関連論文
- 断熱スペクトル部分多様体によるソフトロボットの姿勢制御ソフトロボット制御
- 断熱スペクトル部分多様体によるデータ駆動型ソフトロボット制御ソフトロボット制御
- リカレントニューラルネットワークを用いた関節型ソフトロボットの学習ベース非線形モデル予測制御ソフトロボット制御
- モジュール数可変なモジュラーソフトロボットのための高精度BiLSTM構成制御器ソフトロボット制御
- ソフトロボットの効率的なデータ駆動制御のためのメモリベース制御器ソフトロボット制御
