強化学習による劣駆動空中マニピュレータのエンドエフェクタ姿勢制御

- マルチロータドローンに軽量な2-DoFアームを差動機構で搭載した aerial manipulator の研究 - 2-DoF の腕でありながら end-effector の full six-DoF pose control を目指す - 軽量・低機械複雑性の代償として underactuation と外乱感度が課題 - reinforcement learning で制御方針を学習し、接触を伴う作業への応用可能性を示す

- 従来の aerial manipulator は腕の重量や機械的複雑性の制約が厳しい - 本研究は 2-DoF アームと differential mechanism という最小構成で six-DoF end-effector pose control を狙う点が特徴 - 軽量プラットフォームで heavy load の manipulation や pushing を含む接触作業の可能性を示す - 具体的な先行研究との定量比較は要旨からは不明

- simulation 上で Proximal Policy Optimization (PPO) agent を訓練 - 出力は quadrotor acceleration と body rates の feedforward commands、および joint angle targets - quadrotor 側は incremental nonlinear dynamic inversion (INDI) attitude controller で追従 - joint 側は PID joint controller で追従 - 学習方策と model-based 低次コントローラを組み合わせる階層構成が肝

- 実機 flight experiments を実施 - centimeter-level position accuracy と degree-level orientation precision を確認 - 外部力外乱下での robust performance を検証 - heavy load の manipulation と pushing tasks を含む実験で有効性を提示 - 実験・手法の動画を https://youtu.be/bWLTPqKcCOA で公開

- 軽量・単純なプラットフォームで contact-rich aerial manipulation を実現する可能性を主張 - underactuation と外乱感度を learning-based control で扱えることを示唆 - ただし具体的な限界、失敗事例、一般化性、sim-to-real の詳細は要旨からは不明 - 定量的な比較や統計的評価の有無も要旨からは不明

- Proximal Policy Optimization (PPO) の原論文 - incremental nonlinear dynamic inversion (INDI) に関する制御研究 - aerial manipulator の model-based control や underactuated control の関連研究 - contact-rich aerial manipulation に関する既存研究 - sim-to-real を扱う learning-based robot control の定番研究