[2O1-GS-8] ロボットと実世界

[2O1-GS-8-04] インピーダンス制御を意識した教示分節化と事前知識を利用した多目的ベイズ最適化による剛性パラメータの学習

〇岡田 雅司¹、小松 真弓¹、奥村 亮¹、谷口 忠大^2,1 (1. パナソニックホールディングス株式会社、2. 立命館大学)

キーワード：ベイズ最適化、模倣学習、分節化

教示によってプログラムされた産業用ロボットの安全な動作を保証するため、従来の位置制御からインピーダンス制御への転換が望まれている。しかし、インピーダンス制御の剛性パラメータの学習の先行技術では、安全性よりもタスクのパフォーマンスに焦点が当てられている。そこで、本論文では、作業性能と安全性の両立を目指した剛性パラメータの学習方法を提案する。提案手法は、多目的ベイズ最適化により、task objective と compliance objective を同時に最適化する。本手法は教示を複数のフェーズに分節化し、各フェーズが一定の剛性パラメータを持つように探索空間を定義する。この分節化は impedance control-aware switching linear dynamics（IC-SLD）の同定問題として定式化される。また、IC-SLDによって得られた剛性パラメータを、ベイズ最適化のための事前知識として使用する。シミュレーションタスクと実機ロボットを用いた実験を行い、IC-SLDに基づく分節化と事前知識の利用により、従来のベースラインと比較して、最適化の効率化できることを実証した。