新しい四元数ジョイントケーブル駆動冗長マニピュレータ構成とFABRIKおよび残差強化学習によるその制御

ケーブル駆動冗長マニピュレータは、その柔軟性と制限された空間での操作能力から、さまざまな産業で強く求められている。四元数ジョイントは最近、この種のロボットアームの能力をさらに向上させ、自由度あたりのモーター数を削減し、よりコンパクトな設計を可能にした。しかし、四元数ジョイントの運動学モデルの複雑さは、マニピュレータ構成の事前決定を困難にし、制御システムへの計算負荷を増大させる。また、その非線形性は、設計と製造誤差による物理的差異を増幅させる。

これらの課題に対して、研究チームは4セグメント、8ジョイントからなる新しい四元数ジョイントケーブル駆動冗長マニピュレータ構成を提案した。実験により、この構成は既存の構成よりも低いハードウェアコストでより広い作業空間を達成できることが示された。

制御方法に関しては、従来のFABRIKアルゴリズムと残差強化学習を比較した。結果として、残差強化学習は位置および方向の精度においてFABRIKを3桁上回り、新しい4セグメント8ジョイントマニピュレータの精密な制御を実現した。さらに、制御実装はよりシンプルであり、論文では完全なFABRIK制御プロセスと対応する学習実装が詳細に説明されている。運動学モデルの構築、反復解法の手順、強化学習における状態、行動、報酬関数の設計が含まれる。

本研究の方法論は、新しいシステムの設計に適用可能であり、設計者にこのクラスのマニピュレータとその制御システムを開発するための追加ツールを提供する。関連論文はarXivに提出され、Tanapath Pornthisanら6名の著者によるもので、ロボティクスと機械学習の両分野にまたがる。この研究は、高度に制約された環境で複雑なタスクを実行するマニピュレータの設計に重要な基盤を提供する。