モデル予測制御による接触モデルを学習·修正可能な物体操作法

摘要

本研究では複数の接触モードをもつ物体操作において，ロボットと環境の接触部分に関するモデル化が正確にできない問題に対し，システムの入出力の観測情報を用いることで，事前に接触モードの変化を考慮し，接触部分のモデル化を必要としない対象物操作方法を提案する．望ましい接触モードを維持する制御入力の切り替わり境界を推定し，その境界内の制御入力を用いてロボットハンド·アームを制御することで望ましい接触モードを維持した対象物操作を行う．接触モードの切り替わり境界推定は，オフラインで行う．ロボットハンド·アーム制御には，接触モード維持の制御入力を導出するという制約条件のもとで制御入力を導出する必要がある．そこで本研究では，様々な制約条件のもとで一定時刻毎に最適制御問題を解くことで制御入力を導出する方法であるモデル予測制御（Model Predictive Control以下MPC）［5］を用いる．また，接触モード維持の制約は，制御入力の導出の計算量の増加を防ぐため，線形不等式で表現されていることが望ましい．そこで本研究では，接触モード維持の領域を線形不等式の集合で表現する．さらに，接触力に関して過大な内力の発生を防ぐための制約を設ける．制約条件のもと，導出された制御入力を用いてロボットハンド·アームを制御することで，接触モードの変化を考慮した対象物操作を行う．さらに，実機ロボットハンド·アームにてMPC制御の検証を行う.