あるロボットアームを想像してみてください。それは「スパゲッティ」の部分と「鋼鉄の骨格」の部分を併せ持っています。これが、この論文で説明されている新しいロボットの核心となるアイデアです。
ほとんどのロボットは、硬い金属の腕のようなものです。それらは強く精密ですが、予期せぬものにぶつかった場合、対象物を壊したり、自分自身を壊したり、あるいは動けなくなったりする可能性があります。一方で、他のロボットは(ゼリーのような)柔らかく、ぷにぷにした素材で作られています。それらは安全で狭い場所に潜り込むことができますが、正確に制御するのが非常に困難です。それはまるで、濡れたヌードルを使って真っ直理な線を書こうとするようなものです。
この論文は、両方の良いとこ取りをしたロボットを紹介しています。その仕組みを、簡単に分解して説明します。
1. 「スマート・スパゲッティ」のデザイン
このロボットは、空気で膨らむ筋肉(空気圧筋肉と呼ばれます)で作られた、長く柔軟な腕です。しかし、この柔らかい体の内部には、硬い関節を持つ骨格(人間の脊椎や、柔軟な定規のようなもの)が存在しています。
- 比喩: 人間の腕を想像してみてください。骨が構造を与えてくれますが、筋肉と腱があるからこそ、柔らかくなったり硬くなったりできるのです。このロボットもそれを模倣しています。7つの「リンク」が特殊な関節によって接続されています。
- 魔法のトリック: 各関節は、反対方向に引っ張り合う一対の空気筋肉によって駆動されます(綱引きのようなものです)。空気圧を変えることで、ロボットは次の2つのことを同時に行うことができます:
- 動く: 関節を特定の角度に曲げることができます。
- 剛性を調整する: 関節がどの方向を向いているかとは無関係に、その特定の関節をマシュマロのように柔らかくしたり、岩のように硬くしたりすることができます。
2. 「脳」(コントローラー)
柔らかいロボットを制御する最も難しい部分は、通常、動きを正確に計算するのが難しすぎて、制御がめちゃくちゃになってしまうことです。著者らは、このロボットを「数学的に扱いやすく」設計することで、この問題を解決しました。
- 比喩: ステアリングホイールが巨大で絡まり合ったゴムバンドによって車輪につながっている車を操縦することを想像してみてください。車がどこへ進むかを予測するのは不可能です。このロボットは、ゴムバンドが別々の直線状に整然と整理されている車のようなものです。
- 仕組み: コンピュータは、「マップ(数学的モデル)」を使用します。このマップは、アームの先端をある方向には柔らかく、別の方向には硬くするために、どれくらいの空気圧が必要かを正確に教えてくれます。コンピュータはこのマップを1秒間に150回更新します。これにより、ロボットは変化に対して即座に反応することができます。
3. 何ができるのか?(実世界でのテスト)
この論文では、このロボットが、他のロボットをしばしば挫折させる2つのトリッキーなタスクをこなす様子を示しています。
タスクA:動いているホワイトボードへの書き込み
- 課題: ホワイトボードが友人に前後に揺らされている状態で、その上に文字を書こうとする場面を想像してください。
- 結果: 硬いロボットは、ペンをボードに押し付け続けたり、押しすぎてマーカーを壊したりすることに苦労します。純粋なソフトロボットは、書き込みが明確になるほど安定しません。
- 解決策: このロボットは動きを「聞き取って」います。ボードに対して押し付ける必要がある方向にはペンを硬く保ち(これにより、はっきりと書ける)、一方で、揺れるボードに合わせて滑らかに動けるように、ペンの側面は柔らかくしておきます。これにより、ボードが動いていても、完璧な「ソフト」の字を書くことができます。
タスクB:「目隠し」状態での鍵と引き出し
- 課題: 鍵穴が正確にどこにあるかが見えず、かつ引き出しが少し引っかかっていたり、位置がずれていたりする場合に、鍵を鍵穴に入れたり、引き出しを開けたりする場面を想像してください。
- 結果: 硬いロボットは、無理やり鍵を押し込もうとして、鍵を曲げてしまったり、途中で止まってしまったりします。
- 解決策:
- 鍵を挿入する: ロボットは、鍵穴の方向に対して先端を柔らかくします。もし鍵が穴の側面に当たったとしても、アームがわずかに曲がることで、鍵が自然に正しい位置へと「滑り込む」ことができます(受動的な補正)。
- 引き出しを引く: 鍵が入ったら、ロボットはアームを硬くして強く引きます。しかし、もし引き出しが少し傾いていたとしても、アームの側面は柔らかいままなので、引き出しやロボットの指を壊すことなく、ハンドルがうまく収まるように動くことができます。
4. なぜこれが重要なのか
この論文は、単にロボットを作り、それを動かすための複雑なソフトウェアを後から書こうとするのではなく、ソフトウェアのニーズに合わせてロボットの体を設計すべきであると主張しています。
硬い骨格を柔らかい体の中に組み込み、関節を独立させたことで、彼らは以下の特性を持つシステムを作り上げました:
- 予測可能であること: 数学的な処理がリアルタイム制御ができるほど高速です。
- 適応力があること: 動いている最中に、自身の「性格」(柔らかいか硬いか)を瞬時に変えることができます。
- 堅牢であること: 完璧なセンサーやカメラがなくても、ミスや衝突に対処できます。
要約すると、彼らは、仕事を遂行するのに十分な強さを持ちながら、ミスを許容できるほど柔らかく、かつリアルタイムで動くロボットを作り上げたのです。
技術要約:ハイパーレダンダント(超冗長)ソフトロボットアームにおけるリアルタイム・コンプライアンスおよび位置制御
問題提起
非構造化環境または部分的に観測不可能な環境で作動するロボットには、「精密なデカルト座標での位置決め」と「接触による位置ずれを受動的に補正するための物理的なコンプライアンス(柔軟性)」という二重の能力が求められます。ソフトロボットは構造的なコンプライアンスを本質的に備えていますが、歴史的に、高精度な位置決めとチップ(先端)コンプライアンスの定量的かつリアルタイムな制御を同時に達成することには苦慮してきました。既存のアプローチには、以下のような重大なトレードオフが存在します。
- 剛体ロボットはインピーダンス制御によってコンプライアンスを模倣しますが、これはセンシングの帯域幅とアクチュエータの応答速度に依存するため、高速な接触時には遅れが生じます。
- 従来のソフトロボットは、剛性と位置を独立して制御するための駆動密度が不足していることがよくあります。可変剛性アクチュエータ(VSA)を用いる手法は質量と複雑さを増大させ、また連続体構造は結合(カップリング)が強く、剛性プロファイルを調整するために低速なグローバル最適化を必要とする場合があります。
- ギャップ: 計算負荷の高いグローバル最適化に頼ることなく、関節角度と関節剛性をリアルタイムでデカップリング(分離)制御できる、疎(スパース)で局所線形化可能なモデルをサポートするために設計されたハードウェアが不足しています。
手法
1. アルゴリズムに基づいたハードウェア設計
著者らは、リアルタイム・コンプライアンス制御器の要件を満たすように特別に設計された「リジッド・ソフト(剛・軟)」ロボットアームを提案しています。
- アーキテクチャ: 7つのリンクと6つのカスタムユニバーサルジョイント(Uジョイント)で構成される7リンクチェーンであり、3つのセグメントにグループ化されています。これにより、12個の独立して駆動される回転軸(q∈R12)が生成されます。
- 駆動: 各Uジョイントの軸は、拮抗する一対のマッキブベン空気圧筋肉によって駆動され、合計24個のアクチュエータを備えています。
- 機械的デカップリング: この設計は、各ジョイントのアクチュエータを隣接するジョイントから機械的に隔離しています。単一のUジョイント内の2つの直交する軸の間には軽微な結合が存在しますが、あるUジョイントの剛性は他のジョイントの影響をほとんど受けません。
- 線形性: 拮抗的な圧力設定により、関節剛性が圧力に対してほぼ線形にスケールするため、疎で局所線形化可能な剛性マップが作成されます。
2. モデリングおよび制御フレームワーク
本論文では、逆運動学(IK)と逆コンプライアンス(IC)を組み合わせた統一的な反復制御器を導入しています。
- コンプライアンス・モデリング: エネルギーベースの定式化を用いて、システムは関節空間剛性行列(Kq)とタスク空間コンプライアンス行列(Cx)を導出します。機械的隔離により、Kqは疎なブロック対角行列となります。
- コンプライアンス・ヤコビアン(Jc): コントローラは、アクチュエータの圧力(具体的には拮抗ペアの「先行圧力」)の変化を、タスク空間コンプライアンス行列の変化へとマッピングするヤコビアンを構築します。
- 反復ソルバ: 制御器は、圧力制限を内部点法(イントニ・ポイント・ログバリア)によるペナルティによって遵守しつつ、コンプライアンス誤差を最小化するように圧力更新量を解く、減衰最小二乗法(DLS)を使用します。
- 二重ループ実行:
- 高レベル: IKおよびICの更新を計算します。
- 低レベル: 圧力目標値を、所望の関節エネルギーおよび関節角度へと変換します。二重ループPID制御器が、各アクチュエータペアの差圧(角度用)および拮抗圧力(エネルギー/剛性用)を制御します。
- ヌル空間の活用: システムは、コンプライアンス・ヤコビアンのヌル空間を利用して、蓄積されたアクチュエータエネルギーを最小化し、エンドエフェクタの位置に影響を与えることなく姿勢制約を緩和します(例:より広い実行可能剛性ワークスペースを持つ中立姿勢へ関節を移動させる)。
3. 検証とシミュレーション
- モデル検証: 解析的なコンプライアンスモデルは、物理的なハードウェア(変位制御による力測定)およびMuJoCoシミュレーション(力制御による変位測定)の両方に対して検証されました。
- シミュレーションからハードウェアへ: 一致した圧力ターゲット・テストにより、シミュレータが物理システムの主要な関節角度応答を正確に再現していることが確認されました。
- 形態学研究: 検証されたシミュレーションを用いて、直線状のスタック・ベースラインで見られる静止ポーズ時のコンプライアンス特異点を排除する再構成されたアーム形態(S字カーブ)を探索し、フレームワークの汎用性を実証しました。
主な貢献
- アルゴリズムに基づいた構造設計: グローバル最適化を回避して、あらゆる静止姿勢において豊かなチップ・コンプライアンス・プロファイルを提供できるよう、ジョイントのコンプライアンスを十分にデカップリングするように設計された、ハイパーレダンダントなリジッド・ソフト・ニューマチックアーム。
- リアルタイム制御システム: ヤコビアンに基づくIKおよびICと、ヌル空間による姿勢緩和、および二重ループの関節角度/関節エネルギー・ニューマティック制御器を組み合わせた反復制御器。これにより、コンプライアンスと位置の同時かつ定量的な制御が可能になります。
- 一般化されたモデリング: 任意のセグメント長やコネクタの向きを受け入れる、形態学的に一般的なコンプライアンスおよび運動学モデル。これにより、同一の制御フレームワークを再構成されたアーム幾何学に適用することが可能です。
結果
アルゴリズムのベンチマーク
- 静的性能: グローバル最適化手法(差分進化法)と比較して、反復ソルバは平均相対コンプライアンス誤差がわずかに高い(6.54% 対 1.13%)ものの、5.4倍高速(56 ms 対 301 ms)であり、15%少ないシステムエネルギーを消費しました。また、反復手法は連続的な関節軌道を保証しましたが、グローバル最適化手法は連続性のために追加の制約を必要としました。
- 動的性能: コンプライアンス・ターゲットが切り替わる動的なフィギュアエイト(8の字)追従タスクにおいて、反復制御器は、グローバル・ベースラインと比較して、より滑らかな挙動と低い位置誤差(70.5 mm 対 120.2 mm)および低いコンプライアンス誤差(0.064 対 0.106)を維持しました。反復制御器は約29 Hzで更新されましたが、グローバル・ベースラインは〜1.3 Hzでしか更新できず、結果として大きなラグと不連続性が生じました。
ハードウェアの実演
システムは、剛体および標準的なソフトアームのどちらにとっても困難な以下のタスクを成功させました。
- 動的外乱除去: 動くホワイトボードへの書き込み。方向性コンプライアンス(例:法線方向に硬く、横方向に柔らかい)を調整することで、アームはボードの動きにもかかわらず筆記品質を維持しました。剛体または非適応型のソフトアームは失敗しました。
- 観測不可能な位置ずれの補正: 鍵の挿入および引き出しの開閉タスク。アームは、鍵の挿入(ソフトな挿入軸)や引き出しの引き(硬い牽引軸、柔らかい横方向軸)において、高度なセンシングや経路計画なしに、隠れた位置ずれをパッシブに補正しました。
形態の再構成
シミュレーション研究により、アームを非共線的なS字カーブに再構成することで、静止ポーズにおけるコンプライアンスの特異点(垂直方向のコンプライアンスがゼロに崩壊する現象)が解消され、チップの等方性が約0から0.88に向上することが示されました。これは、本モデリングフレームワークがハードウェア設計を導く能力があることを証明しています。
意義と主張
本論文は、アルゴリズムに基づいた構造設計が、ソフトロボティクスの制御限界を克服するための有効な道であることを主張しています。疎で局所線形化可能なモデルを露出するようにハードウェアを設計することで、以下のことが実証されました。
- グローバル最適化なしでも、リアルタイムで定量的なコンプライアンス制御が可能であること。
- ハイパーレダンダンシーと剛性骨格をソフトボディ内に持つことが、ソフトな駆動をモデル化し、制御を高速化することを容易にすること。
- 非構造化環境において、精密さと受動的なエラー補正の両方を必要とするタスクは、複雑なセンシングや適応制御アルゴリズムに頼るのではなく、構造的なコンプライアンスを通じて達成できること。
著者らは、現在のハードウェアはプルーフ・オブ・コンセプト(概念実証)であり、限界(例:ベースライン設計における静止ポーズの特異点、準静的な仮定への依存)があることを謙虚に述べており、今後の課題として、制御と一体となった形態の最適化や、動的なコンプライアンス制御の開発を挙げています。しかしながら、その結果は、提案されたアーキテクチャと制御戦略が、ソフトなコンプライアンスと剛体としての精密さの間の溝を効果的に埋めていることを裏付けています。
毎週最高の computer science 論文をお届け。
スタンフォード、ケンブリッジ、フランス科学アカデミーの研究者に信頼されています。
受信トレイを確認して登録を完了してください。
問題が発生しました。もう一度お試しください。
スパムなし、いつでも解除可能。
週刊ダイジェスト — 最新の研究をわかりやすく。登録