Investigation on a general nonlinear control based on mapping learning with controllability and reachability

点击翻译按钮获取中文摘要

ロボットの運動学習法は，対象とする動作毎に異なる方法や設定が適用されることが一般的であり，異なる動作・運動に共通して利用可能な方法は存在しない．しかし，ロボットが現在よりも幅広い環境で利用可能になるためには，個別のタスクに特化した制御法を集積するのではなく，異なる複数のタスクに対応できる，学習要素を含んだ制御方法を開発することが重要である．そこで本研究では，フィードバック制御という比較的単純でありながら普遍性のある制御構造をベースにして，運動学習問題を「制御しやすくなるような変数変換を獲得する問題」と捉えることで，異なる運動に共通して適用可能な学習原理を構築することを試みる．2022年度は，センサ変数により構成される空間のうち進行方向に相当する一つの方向を時間軸とみなす状態時間軸制御の形式を用いたセンサ変数変換方法の性能の検証と改良案の検討を行った．この検証の中で，提案する方法の基本的な考え方は運動学習にとって有効であることが確認されたが，学習アルゴリズムの内部に学習パラメータの挙動を不安定にさせる要因があることがわかった．その原因を調べたところ，学習パラメータの変動についての自由度が大きいために学習が適切に進行しなくなる場合があることがわかった．この問題設定の中では，実機ロボットシステムを構築して，実際にカメラでロボット位置を観測しながらその制御を行うための準備を行った．また，センサ変数変換方法の適用対象として，冗長性（必要以上に高い自由度をもつ）のある観測に対する変換方法の開発を行った．マニピュレータとカメラからなるシステムにおいて，手先をカメラで観測する場合に手先が可視範囲にとどまるための可視範囲境界の推定を通じて，マニピュレータの関節角度空間の低自由度空間への変換方法を開発し，シミュレーションでその有効性を検証した．