論文の概要: Embodied Neuromorphic Control Applied on a 7-DOF Robotic Manipulator

• arxiv url: http://arxiv.org/abs/2504.12702v1
• Date: Thu, 17 Apr 2025 07:13:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-18 14:37:32.710849
• Title: Embodied Neuromorphic Control Applied on a 7-DOF Robotic Manipulator
• Title（参考訳）: 7自由度ロボットマニピュレータを用いた身体神経形制御
• Authors: Ziqi Wang, Jingyue Zhao, Jichao Yang, Yaohua Wang, Xun Xiao, Yuan Li, Chao Xiao, Lei Wang,
• Abstract要約: 逆ダイナミクスは、ロボットシステムの関節空間からトルク空間にマップする基本的なロボット工学の問題である。 スパイキングニューラルネットワークを用いて、動作データの連続性を利用して制御精度を改善し、チューニングパラメータを除去する。 この研究は、概念実証から複雑な実世界のタスクへの応用への一歩前進によって、具体化されたニューロモルフィック制御を推し進める。
• 参考スコア（独自算出の注目度）: 10.642836177302533
• License:
• Abstract: The development of artificial intelligence towards real-time interaction with the environment is a key aspect of embodied intelligence and robotics. Inverse dynamics is a fundamental robotics problem, which maps from joint space to torque space of robotic systems. Traditional methods for solving it rely on direct physical modeling of robots which is difficult or even impossible due to nonlinearity and external disturbance. Recently, data-based model-learning algorithms are adopted to address this issue. However, they often require manual parameter tuning and high computational costs. Neuromorphic computing is inherently suitable to process spatiotemporal features in robot motion control at extremely low costs. However, current research is still in its infancy: existing works control only low-degree-of-freedom systems and lack performance quantification and comparison. In this paper, we propose a neuromorphic control framework to control 7 degree-of-freedom robotic manipulators. We use Spiking Neural Network to leverage the spatiotemporal continuity of the motion data to improve control accuracy, and eliminate manual parameters tuning. We validated the algorithm on two robotic platforms, which reduces torque prediction error by at least 60% and performs a target position tracking task successfully. This work advances embodied neuromorphic control by one step forward from proof of concept to applications in complex real-world tasks.
• Abstract（参考訳）: 環境とのリアルタイムインタラクションに向けた人工知能の開発は、インボディード・インテリジェンスとロボティクスの重要な側面である。 逆ダイナミクスは、ロボットシステムの関節空間からトルク空間にマップする基本的なロボット工学の問題である。 従来の解法は、非線形性や外乱のために難しい、あるいは不可能であるロボットの直接の物理的モデリングに依存している。 近年,この問題に対処するために,データに基づくモデル学習アルゴリズムが採用されている。 しかし、手動のパラメータチューニングと高い計算コストを必要とすることが多い。 ニューロモルフィックコンピューティングは、ロボットの動き制御における時空間的特徴を極端に低コストで処理するのに本質的に適している。 しかし、現在の研究はまだ初期段階であり、既存の研究は低自由度システムのみを制御し、性能の定量化と比較を欠いている。 本稿では、7自由度ロボットマニピュレータを制御するニューロモルフィック制御フレームワークを提案する。 スパイキングニューラルネットワークを用いて、運動データの時空間連続性を利用して制御精度を向上し、手動パラメータのチューニングをなくす。 このアルゴリズムを2つのロボットプラットフォーム上で検証し、トルク予測誤差を少なくとも60%低減し、目標位置追跡タスクをうまく実行した。 この研究は、概念実証から複雑な実世界のタスクへの応用への一歩前進によって、具体化されたニューロモルフィック制御を推し進める。

関連論文リスト

• RobotDiffuse: Motion Planning for Redundant Manipulator based on Diffusion Model [13.110235244912474]
  冗長マニピュレータは、キネマティック性能と汎用性の向上を提供する。 これらのマニピュレータの動作計画は、DOFの増加と複雑な動的環境のために困難である。 本稿では,冗長マニピュレータにおける運動計画のための拡散モデルに基づくロボットディフューズを提案する。
  論文  参考訳（メタデータ） (2024-12-27T07:34:54Z)
• Real-to-Sim: Predicting Residual Errors of Robotic Systems with Sparse Data using a Learning-based Unscented Kalman Filter [65.93205328894608]
  我々は,動的・シミュレータモデルと実ロボット間の残差を学習する。 学習した残差誤差により、動的モデル、シミュレーション、および実際のハードウェア間の現実的ギャップをさらに埋めることができることを示す。
  論文  参考訳（メタデータ） (2022-09-07T15:15:12Z)
• High-Speed Accurate Robot Control using Learned Forward Kinodynamics and Non-linear Least Squares Optimization [42.92648945058518]
  ロボットの動きのキノダイナミックな相互作用への依存は、高速でより顕著になる。 従来の研究から,逆キノダイナミックモデルの学習がロボットの高速制御に有効であることが示唆された。 本稿では,FKDモデルと非線形最小二乗最適化を併用した,高精度かつ高速なロボット制御のための新しい定式化を提案する。
  論文  参考訳（メタデータ） (2022-06-16T23:52:01Z)
• Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
  人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。 本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。 ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
  論文  参考訳（メタデータ） (2022-03-31T23:08:20Z)
• OSCAR: Data-Driven Operational Space Control for Adaptive and Robust Robot Manipulation [50.59541802645156]
  オペレーショナル・スペース・コントロール(OSC)は、操作のための効果的なタスクスペース・コントローラとして使われてきた。 本稿では,データ駆動型OSCのモデル誤差を補償するOSC for Adaptation and Robustness (OSCAR)を提案する。 本手法は,様々なシミュレーション操作問題に対して評価し,制御器のベースラインの配列よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-10-02T01:21:38Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Transformer-based deep imitation learning for dual-arm robot manipulation [5.3022775496405865]
  デュアルアームの操作設定では、追加のロボットマニピュレータによって引き起こされる状態次元の増加が注意をそらす。 本稿では、逐次入力における要素間の依存関係を計算し、重要な要素に焦点をあてる自己認識機構を用いてこの問題に対処する。 自己注意型アーキテクチャの変種であるTransformerは、実世界のデュアルアーム操作タスクを解決するために、深層模倣学習に適用される。
  論文  参考訳（メタデータ） (2021-08-01T07:42:39Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• Improving Input-Output Linearizing Controllers for Bipedal Robots via Reinforcement Learning [85.13138591433635]
  入力出力線形化コントローラの主な欠点は、正確な力学モデルが必要であり、入力制約を考慮できないことである。 本稿では,強化学習技術を用いた二足歩行ロボット制御の具体例について,両課題に対処する。
  論文  参考訳（メタデータ） (2020-04-15T18:15:49Z)
• Hyperparameters optimization for Deep Learning based emotion prediction for Human Robot Interaction [0.2549905572365809]
  インセプションモジュールをベースとした畳み込みニューラルネットワークアーキテクチャを提案する。 モデルは人型ロボットNAOにリアルタイムに実装され、モデルの堅牢性を評価する。
  論文  参考訳（メタデータ） (2020-01-12T05:25:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。