| 研究概要 |
ダイレクト・ドライブ・ロボット(DDロボット)の学習制御系をどのように構築すればよいかを理論と実験の両面から明らかにした。主要な成果は次のとおりである。
1.2台の2自由度DDロボットに1個の対象物を把持させるためのディジタル学習アルゴリズムを提案した。このアルゴリズムは、3個のフィードバック制御装置と2個のニューラルネットワーク(以下,NN)から構成されるが、対象物の把持と移動の繰り返し作業が進むにつれて、フィードバック制御装置の出力は0に近づきNNが主制御になる。したがって、本制御方式は、制御装置の厳密な調整は不要であり、このため前もって制御対象についての知識を必要としない。本制御アルゴリズムの有効性を実験によって確かめた。さらに、2次元平面内における対象物の把持と操りの学習協調制御の問題を、3次元空間における対象物の把持の問題に拡張し、2台の3自由度DDロボットによって理論を実証した。
2.NNの汎化能力を高めようとすると、NNは多層で複雑になり、このため長時間の学習が必要となる。本研究では、短時間で学習の可能な単層のNNをオンラインで学習させたのち、この単層のNNの学習結果を望ましい複雑なNN(シグモイド付きの多層のNN)にオフライン学習によって移転するという方法を考案した。この効果をDDロボットの位置制御の実験によって実証し、知識を移転する方法によってオンラインでの学習時間を短縮することが可能であることを示した。
3.3自由度DDロボットアームと3自由度DD可動作業台から構成される6自由度ロボットシステムにファジィ学習制御アルゴリズムを適用し、その効果を示した。
|
