🚧 2020: Compensation for undefined behaviors during robot task execution by switching controllers depending on embedded dynamics in RNN

[kunimasa-kawasaki]

Compensation for undefined behaviors during robot task execution by switching controllers depending on embedded dynamics in RNN Kanata Suzuki, Hiroki Mori, Tetsuya Ogata To appear in IEEE Robotics and Automation Letters (RA-L) and IEEE International Conference on Robotics and Automation (ICRA 2021) https://arxiv.org/abs/2003.04862

[kunimasa-kawasaki]

ロボットアプリケーションでは、正しいタスクの実行と未定義な動作に対する補償の両方が求められます。深層学習は複雑なタスクを実行するための有望なアプローチですが、学習データセットに反映されない未定義の行動への対応は依然として困難です。人間とロボットの協調タスクでは、衝突などの予期せぬ出来事によってロボットが予期せぬ姿勢をとることがあります。そのため、ロボットは意図したタスクの実行を完了させるために、外乱から回復する能力が必要である。我々は，2つのコントローラを切り替えることで，不定形な動作を補償する手法を提案する．具体的には，タスクのダイナミクスを学習するリカレントニューラルネットワークの内部表現に応じて，学習型制御とモデル型制御を切り替える手法を提案する．提案手法をピックアンドプレースタスクに適用し、未定義動作に対する補償効果を評価した。シミュレーションと実機による実験結果から、提案手法の有効性と高い性能を実証する。