SC-DMPsが相互作用剛性で基底配置を適応化、精密軌道スキル再現を改善
中国科学アカデミー寧波材料技術・工学研究所などの研究チームは、Dynamic Movement Primitives（DMP）の基底配置を、オペレータとロボットの相互作用剛性と実演間ばらつきから構築したステージ重要度指標で再配分するSC-DMPsを開発した。筆記軌道と3つの実ロボットタスクにおける比較で、従来DMPやProMPs、ProDMP、GP-MP、KMPに対し軌道再現精度とタスク重要領域の精度を改善しつつ、モデルサイズと安定構造を維持した。この手法は精密挿入や組立など精度要求が高いスキル転移に有効である。
操作者とロボットの相互作用剛性と実演間の軌道ばらつきを利用して、DMPの基底関数配置を精度要求が高いステージに適応的に割り当て、精密スキル再現を改善できるか。
従来のDMPは基底関数を正準位相軸上に均等に配置するため、タスク内で高い幾何精度が求められる局所区間（例：狭いクリアランスの挿入、角部）に十分な近似能力を割り当てられず、全体形状と局所精度を両立できない。既存の表現レベル手法も共分散やカーネル設計に依存し、タスクが許容する誤差要求を明示的に反映しない。
DMP、ProMPs、ProDMP、GP-MP、KMPなどの運動プリミティブは、基底関数の数・位置・幅を固定するか、共分散・カーネル設計で局所再現性を調整する。曲率や分散、相互情報量に基づく基底再配置の研究もあるが、これらは軌道形状や情報量を手掛かりとしており、タスクが課す許容誤差（例：単純経路でも高精度が要求されるペグ挿入）を直接表さない。
SC-DMPsは、キネスタティック教示中に推定したオペレータとロボットの相互作用剛性と、複数実演のタスク空間ばらつきを確率的に融合してステージ重要度指数を構築する。この指数の累積分布を等分割する逆写像でDMP基底中心を正規化時間上に再配置し、正準位相空間へ写像する。さらに隣接中心間隔から基準帯域幅を設定し、サイクリック座標降下で帯域幅スケーリングを最適化して高重要度区間の近似サポートを強化する。軽量なSTR-Netが時間的文脈を考慮して重要度を平滑化する。
筆記文字「Z」「M」の実ロボット教示軌道では、SC-DMPsはDMPsに対し5,10,15,20,25,30基底の48条件中45条件で誤差を低減し、平均RMSEを21.42%、重み付きRMSEを21.92%、幾何難所RMSEを32.50%、最大誤差を24.67%削減した。エンドポイント変更の汎化では36比較中34で優れ、空間スケーリング（0.5倍から5倍）ではZでRMSE-Geoを24.07%、Mで26.80%削減した。最新手法との比較（30基底、公式実装）では、最良の競合に対する相対削減は学習RMSEで3.4%（Z）/1.6%（M）、幾何難所RMSEで17.9%（Z）/2.7%（M）、汎化RMSE-Geoで46.1%（Z）/23.9%（M）だった。プラグ挿抜、順次浸漬、曲面拭きの実ロボット3タスク（各4回実演、オフライン再現）では、DMPsに対しRMSEを5.83%から17.51%、タスク重要領域のRMSEを19.93%から23.86%、最大誤差を6.56%から42.01%削減した。モデルサイズは約1kB、エンドポイント適応時間は約4.7〜4.9msであった。
著者らは、現行の定式化が相互作用剛性と軌道一貫性に重要度が反映される精密指向スキルを対象としていると述べており、低剛性でコンプライアントな動作やタスク動特性・環境文脈が重要な工程には力・視覚・物体動特性などの追加手掛かりが必要としている。また実ロボットタスクの実演数は各4回と少なく、物理的な実機実行ではなく記録軌道に対するオフライン再現誤差で評価している。帯域幅最適化は有限候補集合上の座標降下であり、大域的最適性は保証されない。コードの公開は論文に記載されていない。
SC-DMPsは産業用ロボットの教示再生や精密組立・挿入・曲面倣いなどのスキル学習に直接組み込める。既存DMPパイプラインと互換性があり、追加オンライン計算が少ないため、現在から1〜3年で協働ロボットや産業用ロボットのLfDソフトウェアに実装できる。ただし適用にはキネスタティック教示中のsEMGなどによる相互作用剛性推定と複数回の実演データが必要で、低剛性が重要な工程では力覚・視覚などとの統合が前提となる。
この論文はライセンス上、全文を転載できないため、要約と原文へのリンクのみを掲載しています。