振動に富むハイドロリックマニピュレータにおけるセンサレス・レンチ予測のための周波数対応分解学習
arXiv cs.RO / 2026/4/15
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文では、研削など高周波振動に支配された相互作用を対象として、固有（プロプリオセプティブ）な履歴から力／トルク（レンチ）をセンサレスで予測するための周波数対応分解ネットワーク（FDN）を提案する。
- FDNは、非対称な決定論的出力ヘッドと確率的出力ヘッドを用いて、スペクトル的にレンチ予測を分解し、高周波の残差を学習された条件付き分布として扱う。
- 周波数対応メカニズムにより入力スペクトルを適応的にフィルタリングし、出力に対して周波数帯域の事前情報を適用することで、推定を特に高周波帯域で改善する。
- 著者らは大規模なオープンソースのロボットデータセットでFDNを事前学習し、学習表現を6自由度のハイドロリックマニピュレータの実環境での研削掘削データ（推定遅延あり）に適用する際に、転移学習の有効性を示す。
- 結果は、FDNが高周波レンチ予測においてベースラインの推定器／予測器よりも優れている一方、低周波推定でも競争力を維持していることを示す。受理後にコード／データを公開する予定である。
