Motion Modification Method of Musculoskeletal Humanoids by Human Teaching Using Muscle-Based Compensation Control

📄 arXiv: 2411.06323v1 📥 PDF

作者: Kento Kawaharazuka, Yuya Koga, Manabu Nishiura, Yusuke Omura, Yuki Asano, Kei Okada, Koji Kawasaki, Masayuki Inaba

分类: cs.RO

发布日期: 2024-11-10

备注: Acceptedt at Humanoids2020

DOI: 10.1109/HUMANOIDS47582.2021.9555772

💡 一句话要点

提出基于肌肉补偿控制的人体教学方法，用于调整肌肉骨骼人形机器人的运动。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 肌肉骨骼人形机器人 人体教学 运动调整 肌肉补偿控制 人机协作

📋 核心要点

  1. 肌肉骨骼人形机器人具有仿生结构优势，但难以精确控制，建模具有挑战性。
  2. 论文提出一种肌肉补偿控制方法，通过外力干预运动，并利用肌肉特性进行运动调整和复现。
  3. 该方法应用于Musashi机器人，实验结果验证了该方法在运动调整方面的有效性。

📝 摘要（中文）

本文提出了一种通过在运动过程中施加外力来调整肌肉骨骼人形机器人运动的方法，利用了其灵活的身体结构。考虑到关节角度难以测量，且外力主要影响非线性弹性元件而非执行器，该方法通过提出的基于肌肉的补偿控制来复现调整后的运动。该方法应用于肌肉骨骼人形机器人Musashi，并验证了其有效性。

🔬 方法详解

问题定义：肌肉骨骼人形机器人由于其复杂的结构和难以精确建模的特性，导致难以实现精确的运动控制。现有的基于学习的控制方法无法完全消除模型误差，并且容易受到识别误差的影响。因此，需要一种方法能够有效地调整和优化肌肉骨骼人形机器人的运动，使其能够更好地适应不同的任务和环境。

核心思路：论文的核心思路是通过在机器人运动过程中施加外部干预力，利用机器人身体的柔顺性来引导其运动轨迹。由于外力主要影响非线性弹性元件，而非直接作用于执行器，因此可以通过分析外力与肌肉活动之间的关系，设计一种基于肌肉的补偿控制方法，从而复现经过调整的运动。

技术框架：该方法主要包含以下几个阶段：1) 人体教学阶段：通过人为施加外力来引导机器人完成期望的运动轨迹。2) 数据采集阶段：记录机器人运动过程中的肌肉活动数据和外力数据。3) 运动调整阶段：分析外力与肌肉活动之间的关系，提取运动调整信息。4) 肌肉补偿控制阶段：设计基于肌肉的补偿控制器，利用提取的运动调整信息来复现调整后的运动。

关键创新：该方法的关键创新在于提出了一种基于肌肉的补偿控制方法，该方法能够有效地利用外力干预信息来调整和优化肌肉骨骼人形机器人的运动。与传统的控制方法相比，该方法不需要精确的机器人模型，并且能够更好地适应外部环境的变化。此外，该方法还考虑了关节角度难以测量的问题，避免了对关节角度信息的依赖。

关键设计：论文中关键的设计包括：1) 肌肉补偿控制器的设计：该控制器需要能够根据外力信息来调整肌肉的活动，从而实现对运动轨迹的精确控制。2) 外力与肌肉活动关系的建模：需要建立外力与肌肉活动之间的映射关系，从而能够根据外力信息来预测肌肉的活动。3) 实验验证方案的设计：需要设计合理的实验方案来验证该方法的有效性，包括选择合适的运动任务和评估指标。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，该方法能够有效地调整肌肉骨骼人形机器人的运动轨迹，使其能够更好地复现人体教学的运动。通过施加外部干预力，机器人能够学习到更加自然和流畅的运动模式。具体的性能数据和对比基线在论文中进行了详细的描述。

🎯 应用场景

该研究成果可应用于康复机器人、人机协作机器人等领域。通过人体教学的方式，可以快速调整机器人的运动模式，使其更好地适应用户的需求。此外，该方法还可以用于开发更加智能和灵活的机器人，使其能够在复杂环境中完成各种任务。未来，该技术有望在医疗、工业、服务等领域发挥重要作用。

📄 摘要（原文）

While musculoskeletal humanoids have the advantages of various biomimetic structures, it is difficult to accurately control the body, which is challenging to model. Although various learning-based control methods have been developed so far, they cannot completely absorb model errors, and recognition errors are also bound to occur. In this paper, we describe a method to modify the movement of the musculoskeletal humanoid by applying external force during the movement, taking advantage of its flexible body. Considering the fact that the joint angles cannot be measured, and that the external force greatly affects the nonlinear elastic element and not the actuator, the modified motion is reproduced by the proposed muscle-based compensation control. This method is applied to a musculoskeletal humanoid, Musashi, and its effectiveness is confirmed.