腱駆動型空中連続マニピュレータに対するAI支援の画像ベース・ハイブリッド視覚/力制御

要旨: 本論文は、SE(3)上での一定ひずみモデリングをカップルしたシステムとして捉え、腱駆動型の空中コンティニュアムマニピュレータに対して、AIを活用したカスケード型ハイブリッド視覚/力制御フレームワークを提案する。この提案制御器は、静的な環境との自律的な物理的相互作用を可能にしつつ、画像特徴誤差を安定化するように設計されている。開発された戦略は、カスケード型の高速固定時間スライディングモード制御と、ラジアル基底関数（RBF）ニューラルネットワークを組み合わせ、アイ・イン・ハンドの単眼カメラによって取得される画像の不確実性、および力センシング装置からの計測における不確実性に対処する。その結果、オフライン学習を必要とせずに、視覚および力に関連する不確実性に対する高速でオンラインな学習が可能となる。さらに特徴は、幾何学的な線抽出器に頼るのではなく、線特徴を用いるビジュアルサーボイングフレームワーク内で採用された最先端のグラフニューラルネットワーク・アーキテクチャによって抽出され、接触中の所望の法線方向の相互作用力の追従と、画像特徴誤差の調整を同時に達成する。比較研究では、提案制御器を既存の剛体アームによる空中操作手法とベンチマークし、多様な状況および特徴抽出戦略にわたって頑健性を評価する。シミュレーションおよび実験結果は、提案手法がさまざまな初期条件の下で有効であることを示し、操作タスクの実行において頑健な性能を発揮することを実証する。