ロボティクスにおけるデータ駆動型速度制御のためのパッシブiFIRフィルタ

Abstract

本稿では、非線形ロボットマニピュレータに対して、最適化されたPIDよりも優れた追従性能を達成しつつ、設計の複雑さは同程度に抑える受動（パッシブ）なデータ駆動型速度制御手法を提案する。わずか3分間のプロービングデータのみを用いて、VRFTベースの設計が受動iFIRコントローラを同定することで、(i) 受動性制約によって閉ループ安定性を保持し、かつ (ii) VRFTで調整したPIDのベースラインを、関節空間およびCartesian空間のいずれにおける速度制御でも上回る。Franka Research 3ロボット上で実験を行い、最も要求の厳しい参照モデルに対するCartesian速度追従実験では、追従誤差を最大74.5%削減することを達成した。ロボットのエンドエフェクタダイナミクスが変化した場合、コントローラは新しいデータから再学習でき、名目上の性能を取り戻す。本研究は、学習ベース制御と安定性が保証された設計の橋渡しを行う。受動iFIRは、受動性に基づく安定性保証を維持しながらデータから学習するため、多くの学習ベース手法とは異なる。