リファレンス・アシスト学習による腱駆動コンティニュアムロボットの精密トラッキング制御方策

Abstract

腱駆動連続体ロボット（Tendon-Driven Continuum Robots, TDCRs）は、その高度に非線形で経路依存的なダイナミクス、および非マルコフ特性によって、制御上の大きな課題を抱えています。従来のヤコビアンに基づく制御器は、ヒステリシスによって誘発される振動にしばしば苦戦します。一方で、従来型の学習ベース手法では、分布外（out-of-distribution）の軌道に対する汎化性能が不十分です。本論文では、TDCRの正確な6自由度（6-DOF）追従制御のための参照（reference）を拡張したオフライン学習フレームワークを提案します。微分可能なRNNベースのダイナミクス代替モデルを勾配ブリッジとして活用し、拡張した参照分布により制御方策を最適化します。この多段階（multi-scale）の拡張手法は、確率的バイアス、調和的摂動、ランダムウォークを組み込み、追加のハードウェア相互作用なしに、方策が多様な追従誤差の回復メカニズムを内在化することを促します。3セクション構成のTDCRプラットフォームにおける実験結果から、提案方策は、拡張を行わないベースラインと比較して平均位置誤差を50.9 ext％削減し、さらに、さまざまな速度において精度と安定性の両面でヤコビアンベース手法を大きく上回ることが示されました。