ソフトロボティクス/制御2026/8/27arXiv:2608.27186

空気圧ソフトアクチュエータのタスク空間モデルベース制御

Task-space model-based control of pneumatic soft actuators

非最小座標の離散弾性ロッドモデルを用いて、空気圧ソフトアクチュエータのリアルタイムタスク空間制御を実現した。フィードフォワード逆モデルとPI制御、動的オブザーバを組み合わせ、複数の平面ソフトアクチュエータで高精度な軌道追従を実証した。

詳しい要約

1. どんなもの？

本論文は、空気圧ソフトアクチュエータのタスク空間制御を実時間で行うための、動的モデルに基づくフィードバックと推定のフレームワークを提案している。非最小座標の離散弾性ロッドモデルを絶対座標とホロノミック拘束で定式化し、分散力学を保ちつつスパースなシステム行列により計算効率を実現する。準静的フィードフォワード逆モデルとタスク空間PIコントローラ、動的オブザーバを組み合わせ、スパースセンシングから全状態推定を行う。

2. 先行研究と比べてどこがすごい？

従来のソフトアクチュエータ制御は、強い非線形性や不確かさにより閉ループのタスク空間制御が困難であり、多くの場合、モデルベースではなくデータ駆動や簡略化モデルに依存していた。本手法は、構造化された非最小動的モデルを用いることで、分散力学を保ちながら実時間制御を可能にし、高精度・中帯域のタスク空間制御を実現している点が優れている。

3. 技術・手法の肝は？

手法の核は、絶対座標とホロノミック拘束で定式化した非最小座標の離散弾性ロッドモデルを用いること。スパースなシステム行列により計算効率を高め、最大10個の離散ロッドで実時間制御を可能にする。制御は準静的フィードフォワード逆モデルとタスク空間PIコントローラを組み合わせ、動的オブザーバが測定残差を仮想力として融合し、スパースセンシングから全状態を推定する。

4. どうやって有効だと検証した？

3つの平面空気圧ソフトアクチュエータ（異なる形状）を用いて実験検証した。5つのタスク（ワークスペース全体での数字0-9の描画（先端速度3-18 mm/s）、周期運動追従（最大37 cm/s）、クロスプラットフォーム一般化、センシング条件の削減、実時間ユーザー定義参照）で、精密運動ではRMSE 1.5-2.3 mm、1-2 HzではRMSE 5.5-12.4 mmを達成した。

5. 議論はある？

要旨からは、提案手法の限界や議論についての詳細は不明。ただし、自由空間での平面ソフトアクチュエータに限定されており、接触や3次元運動への拡張性、モデル誤差や外乱に対するロバスト性などが今後の課題として考えられる。

6. 次に読むべき論文は？

要旨で参照されている関連研究は明示されていないが、ソフトアクチュエータのモデルベース制御に関する先行研究（例：Cosserat rodモデルやConstant Curvatureモデルを用いた制御）や、動的オブザーバを用いた推定手法に関する論文が関連する。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Nithin S. Kumar, Joshua Gaston, D. Caleb Rucker, Eric J. Barth

分類: cs.RO

原文アブストラクト

Soft actuators enable dexterous and compliant interaction, but closed-loop task-space control remains challenging due to strong nonlinearities, distributed deformation, and uncertainty in their dynamics. This paper presents a real-time dynamic-model-based task-space feedback and estimation framework based on a non-minimal coordinate discrete elastic rod model formulated in absolute coordinates with holonomic constraints. The resulting structure preserves distributed mechanics while maintaining computational efficiency through sparse system matrices, enabling real-time control with up to 10 discretized rods. A quasi-static feedforward inverse model is combined with a task-space PI controller and a dynamic observer that fuses measurement residuals as virtual forces, enabling full-state estimation from sparse sensing. The approach is experimentally validated on three planar pneumatic soft actuators with varying geometries. Across five tasks, including drawing the digits 0-9 across the workspace (3-18 mm/s tip speed), tracking periodic motion (up to 37 cm/s), cross-platform generalization, reduced sensing conditions, and real-time user-defined references, our method achieves 1.5-2.3 mm root mean square error (RMSE) for precision motions and 5.5-12.4 mm RMSE at 1-2 Hz. Results demonstrate that structured, non-minimal dynamic models can enable real-time, high-precision, moderate-bandwidth task-space control of planar soft pneumatic actuators in free space.

arXivで原文を読む →arXiv概要ページ