Савин Сергей Игоревич, кандидат технических наук, старший научный сотрудник лаборатории мехатроники, управления и прототипирования
ул. Университетская, д.1, г. Иннополис, 420500
Ворочаева Людмила Юрьевна, кандидат технических наук, доцент кафедры механики, мехатроники и робототехники
ул. 50 лет Октября, 94, г. Курск, 305040
Цель исследования. Данная работа посвящена решению одной из проблем, связанных с управлением шагающими роботами на основе их динамической математической модели, − наличию в ней явных механических связей, обусловленных реакциями связей с опорной поверхностью. Для решения указанной проблемы предлагается использовать полносвязную нейронную сеть для оценки сил нормальных реакций между поверхностью и стопами двуногого шагающего робота во время реализации им одного шага.
Методы. В работе рассмотрены две архитектуры нейронной сети, основанные на полносвязных слоях с ReLU активационными функциями. Архитектура нейронной сети включает в себя пять полносвязных слоев (входной, выходной и три скрытых), а альтернативная архитектура включает в себя слой прореживания после каждого полносвязного слоя. Входными данными для сети являются состояние робота и требуемые управляющие воздействия, а выходными − предсказанные силы реакции. Обучающая выборка генерируется с помощью моделирования полной динамической модели робота. Сеть построена и обучена с использованием библиотек машинного обучения Keras и TensorFlow.
Результаты. Описана генерация обучающей выборки для нейронной сети, проведено обучение двух архитектур нейронных сетей. На основании данных моделирования установлено, что обе обученные нейронные сети способны точно предсказывать значения нормальных реакций с использованием значений обобщенных координат и скоростей, а также управляющих воздействий в качестве входных данных, однако при этом наблюдается статическая ошибка предсказания.
Заключение. Полученные в рамках статьи результаты могут в дальнейшем использоваться для управления движением двуногих шагающих роботов по различным типам поверхностей.
Purpose of reseach. This work is devoted to solving one of the problems associated with the control of walking robots based on their dynamic mathematical model − the presence in it of obvious mechanical bonds due to reactions of bonds with the supporting surface. To solve this problem, it is proposed to use a fully connected neural network to evaluate the forces of normal reactions between the surface and the feet of a bipedal walking machine during its implementation of one step.
Methods. The paper considers two neural network architectures based on fully connected layers with ReLU activation functions. The architecture of the neural network includes five fully connected layers (input, output and three hidden), and an alternative architecture includes a thinning layer after each fully connected layer. The input data for the network are the state of the robot and the required control actions, and the output is the predicted reaction forces. The training sample is generated by modeling a complete dynamic model of the robot. The network is built and trained using machine learning libraries Keras and TensorFlow.
Results.The generation of training sample for neural network is described here, and it is carried out the training of two architectures of neural networks. Based on the simulation data, it was established that both trained neural networks are able to accurately predict the values of normal reactions using the values of generalized coordinates and velocities, as well as control actions as input, however, a static prediction error is observed.
Conclusion. The results obtained within the framework of the article can be further used to control the movement of bipedal walking machines on various types of surfaces.
The authors declare that there are no conflicts of interest present.