オンラインパラメータ最適化による受動性保証付き可変インピーダンス・コンプライアンス制御

- ロボットマニピュレータの variable impedance control と compliance control のための、オンライン parameter optimization フレームワーク。 - 時変の impedance parameters が系にエネルギーを注入して passivity を破る問題に対処する。 - 望ましい inertia を調整して stiffness 変化によるエネルギー注入を補償し、critically damped な系を保つ。 - 対角 impedance matrices の場合、inertia と stiffness の変化率を passivity 制約下の convex quadratic program として最適化する。 - compliance control へ拡張し、desired inertia をロボットの configuration-dependent inertia matrix と結合する。

- 既存手法は damping を増やす、または stiffness profile を制限することで passivity を確保しており、動的応答が劣化しやすい。 - 提案法は damping overhead を必要とせず、energy reservoir も不要。 - energy tank approach や nonpassivity-based method との比較で、より保守的でない stiffness tracking を実現。 - stiffness の急速な変化が要求されるタスクでも passivity を保ちつつ動的応答の劣化を抑える点が利点。

- quadratic programming ベースの parameter optimization により passivity を保証する。 - desired inertia を変調し、stiffness 変化が注入するエネルギーを補償する。 - critically damped system を維持するようにパラメータを設計する。 - 対角 impedance matrices では inertia と stiffness の変化率を最適化変数とし、passivity constraint を convex quadratic program として定式化する。 - compliance control では desired inertia を configuration-dependent inertia matrix に結合し、Cholesky factorization に基づく eigendecomposition で spectral weights を最適化しつつ passivity を維持する。

- Kinova Gen3 7-degree-of-freedom manipulator を用いた実験で両手法を検証。 - 人間による interaction perturbations を加えて評価。 - energy tank approach および nonpassivity-based method との比較を実施。 - 提案フレームワークが energy reservoir や damping overhead を必要とせず、より保守的でない stiffness tracking を達成することを示した。

- 提案法は damping 増加や stiffness profile 制限に頼らず passivity を確保する点で既存法より保守性が低い。 - energy tank や damping overhead が不要であることを実験で示す。 - ただし要旨からは、計算コスト、スケーラビリティ、非対角 impedance matrices への一般化、理論保証の詳細についての議論は不明。 - 実験は単一の 7-DOF manipulator と人間 interaction perturbations に限られており、他のロボットやタスクへの適用性は要旨からは不明。

- energy tank approach に関する研究（passivity 保証のための energy reservoir を用いる手法）。 - nonpassivity-based method との比較対象となった手法（具体的名称は要旨からは不明）。 - variable impedance control における passivity 問題を扱った既存研究。 - compliance control における configuration-dependent inertia matrix を扱う研究。 - Cholesky factorization に基づく eigendecomposition を用いた最適化に関する研究。