ソフトロボティクス2026/9/24arXiv:2609.30479

椎骨型ソフトロボットテールの学習ベース圧力予測制御

Learning-Based Pressure Predictive Control of a Vertebraic Soft Robotic Tail

LSTMを用いた圧力予測制御により、椎骨型ソフトロボットテールの非静的・準静的動作を高精度に制御し、四足歩行ロボットとの協調動作を実現した。

詳しい要約

1. どんなもの？

- 軟体ロボットの一種である脊椎型ソフトロボットテイルの運動制御手法。 - LSTMベースの圧力予測制御（PPC）を提案。 - 逆運動学（IK）モデル、順運動学（FK）モデル、圧力補償（P-comp）モデルから構成。 - 非静的および準静的な運動制御を実現。 - 四足ロボットとの協調動作にも適用。

2. 先行研究と比べてどこがすごい？

- 従来のIKのみのモデルと比較して、シミュレーション軌道の平均RMSEを69.8%削減。 - 予測データセットを用いてPPCを訓練することで、次時刻の行動予測が可能となり、計算時間を60.9%短縮。 - これにより、四足ロボットの胴体の移動速度に合わせたリアルタイム応答性が向上。 - 軟体ロボットの非静的運動における複雑な運動学モデリングの問題を、学習ベースのアプローチで簡素化。

3. 技術・手法の肝は？

- LSTMを用いた圧力予測制御（PPC）を採用。 - PPCはIKモデル、FKモデル、P-compモデルで構成。 - IKモデルで目標軌道から関節角度を算出。 - FKモデルで関節角度から圧力を予測。 - P-compモデルで圧力補償を行い、非静的・準静的運動を制御。 - 予測データセットを訓練に使用し、次時刻の行動予測を実現。

4. どうやって有効だと検証した？

- シミュレーションにおいて、PPCの軌道追従性能をIKのみのモデルと比較。 - 平均RMSEが69.8%減少することを確認。 - 四足ロボットとの協調動作において、予測データセットを用いた訓練により計算時間が60.9%短縮されることを検証。 - リアルタイム応答性の向上を確認。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究はIK-onlyモデルのみ。 - 関連手法としてLSTMベースの制御、軟体ロボットの運動学モデリング、予測制御に関する論文が考えられる。 - 具体的な論文名は要旨に記載なし。

※ 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: Wenjian Yang, Nan Huang, Yukang Nie, Fang Chen, Wanchao Chi, Jiansheng Dai, Sicong Liu

分類: cs.RO

原文アブストラクト

Soft robots have attracted much attention for their safe human-robot interaction and flexibility, but the typical continuum structure and nonlinear material behavior make the kinematics modelling complex, especially in non-static motions. In this work, we proposed an LSTM-based pressure predictive control (PPC) for the motion control of a vertebraic soft robotic tail and the coordination with a quadruped robot. The PPC consists of an inverse kinematics (IK) model, a forward kinematics (FK) model and a pressure compensation (P-comp) model, and achieves non-static and quasi-static motion control of the tail. Compared with the IK-only model, the average RMSE of the PPC's simulation trajectories reduces by 69.8%, when executing target trajectories. In the coordinated motions of the soft tail quadruped, using a prediction data set to train the PPC enables next-moment action prediction and reduces computation time by 60.9%, which enhances the real-time response of the tail to match the quadruped torso's moving rate. The PPC provides a simple and effective method to model the soft tail for both non-static and quasi-static motion control, and grants the soft tail quadruped with the functionality of interacting with the environment.

arXivで原文を読む →arXiv概要ページ

椎骨型ソフトロボットテールの学習ベース圧力予測制御

詳しい要約

1. どんなもの？

2. 先行研究と比べてどこがすごい？

3. 技術・手法の肝は？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

原文アブストラクト

関連論文