线缆驱动肌骨人形机器人中利用视觉的关节-肌肉映射在线学习
机器人学
2024-04-09 v1
摘要
线缆驱动肌骨人形机器人的身体结构复杂且难以精确建模，因为它们是模仿人类的身体结构制造的。由于此原因，我们无法像由各轴执行器驱动的普通人形机器人那样准确地移动它们，并且由于其几何模型与实际机器人之间的模型误差，出现了较大的内部肌肉张力和线缆松弛。因此，我们使用神经网络（NN）构建了关节-肌肉映射（JMM），表达关节角度和肌肉长度之间的非线性关系，旨在通过从实际机器人的数据在线更新 JMM 来准确地移动线缆驱动肌骨人形机器人。在本研究中，利用机器人的视觉在线更新 JMM，使其移动到正确位置（Vision Updater）。此外，我们执行另一种更新以正确修改肌肉拮抗作用（Antagonism Updater）。通过使用这两种更新器，目标与实际关节角度之间的误差在 5 分钟内减少至约 40%，并且我们通过操作实验表明，线缆驱动肌骨人形机器人 Kengoro 变得能够按预期移动。这种新颖的系统可以适应机器人的状态变化和生长，因为它连续地在线更新 JMM。
引用
@article{arxiv.2404.05295,
title = {Online Learning of Joint-Muscle Mapping Using Vision in Tendon-driven Musculoskeletal Humanoids},
author = {Kento Kawaharazuka and Shogo Makino and Masaya Kawamura and Yuki Asano and Kei Okada and Masayuki Inaba},
journal= {arXiv preprint arXiv:2404.05295},
year = {2024}
}
备注
Accepted at IEEE Robotics and Automation Letters, 2018