초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 진화연산 기법중 GP(Genetic Programming)를 이용한 관절좌표계 상에서의 걸음새 자동생성 기법과 생물체의 신경발생 신호 원리를 이용한 CPG(Central Pattern Generator) 기법을 구현한다. 바이올로이드로 구성된 4족 보행로봇에 대하여 Webots기반의 ODE 시뮬레이션을 통해 접근 기법들에 대한 최적화를 수행하고 결과를 비교 분석한다. 그리고 구해진 시뮬레이션과 결과를 실제 로봇에 대해서 각 동작을 실행시켜 보면서 CPG와 GP 기반 걸음새 방식 실제적인 성능 및 특성도 고찰한다.

본 논문에서는 진화연산 기법중 GP(Genetic Programming)를 이용한 관절좌표계 상에서의 걸음새 자동생성 기법과 생물체의 신경발생 신호 원리를 이용한 CPG(Central Pattern Generator) 기법을 구현한다. 바이올로이드로 구성된 4족 보행로봇에 대하여 Webots기반의 ODE 시뮬레이션을 통해 접근 기법들에 대한 최적화를 수행하고 결과를 비교 분석한다. 그리고 구해진 시뮬레이션과 결과를 실제 로봇에 대해서 각 동작을 실행시켜 보면서 CPG와 GP 기반 걸음새 방식 실제적인 성능 및 특성도 고찰한다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 자농적으로 구현하는 방법을 개발하는 것이다. 로봇의 컨트롤러, 몸체, 또는 컨트롤러와 몸체를 동시에 진화시키는 것을 목적으로 한다. 현재 진화 로봇 연구의 대부분이 컨트롤 프로그램의 자동적이 구현을 다루고 있으며, 이중에서도 로봇 걸음새(gait)의 자농생성에 중점음 두고 있다[1],
• 본 논문에서는 GP와 CPG를 사용한 걸음새 자동생성 기법음 구현하고 비교 실험한다. 먼저, Webots기반의 시뮬레이션[이을 통해 해당 기법들에 대한 진화 최적화를 수행하고, 시뮬레이션 상에서 결과를 비교 및 분석한다.
• 본 논문에서는 기존 GA 기반의 걸음새 파라미터 최적화 방식보다 우수한 성능을 보이는 GP 기반의 관절공간에서의 걸음새 생성방식과 신경활동에의해 보행의 리듬 패턴을 생성하는 CPG 방식 두 가지를 구현하고 비교하였다.

제안 방법

• 각 실험은 속도를 적합도로 사용하여 모두 10회 반복 되었으며, 또한 실험의 공정성을 위해 PSO와 GP는 서로 동일한 횟수의 평가연#을 수행하도록 했다.
• 먼저, Webots기반의 시뮬레이션[이을 통해 해당 기법들에 대한 진화 최적화를 수행하고, 시뮬레이션 상에서 결과를 비교 및 분석한다. 그리고 시뮬레이션과 동일한 형태로 구성되 실제 바이올로이드 로봇 [1 이을 통해 실제적인 성능 및 특성, 시뮬레이션과 심제 로봇간의 차이, 그리고 실제 로봇에서 나타나는 걸음새의 문제점에 대해서 고찰한다.
• 실험한다. 먼저, Webots기반의 시뮬레이션[이을 통해 해당 기법들에 대한 진화 최적화를 수행하고, 시뮬레이션 상에서 결과를 비교 및 분석한다. 그리고 시뮬레이션과 동일한 형태로 구성되 실제 바이올로이드 로봇 [1 이을 통해 실제적인 성능 및 특성, 시뮬레이션과 심제 로봇간의 차이, 그리고 실제 로봇에서 나타나는 걸음새의 문제점에 대해서 고찰한다.
• 바이올로이드로 구성된 4족 보행로봇에 대하여 Webots기반의 ODE 시뮬레이션과 실제 로봇에의 적용을 통해 제안된 기법들에 실험을 수행하였다. 시뮬레이션 결과, 최고속도 면에서는 GP 기반의 걸음새 생성 방식이 가장 우수한 성능을 보여 주었고, CPG는 평균적인 면에서 우수한 움직임을 보여주었다.
• 시뮬레이션 상에서 GP 기반 걸음새 생성기법과 CPG의 최적화를 수행하였다. 각 실험은 속도를 적합도로 사용하여 모두 10회 반복 되었으며, 또한 실험의 공정성을 위해 PSO와 GP는 서로 동일한 횟수의 평가연#을 수행하도록 했다.

대상 데이터

• 시뮬레이션 및 실제 실험을 위하여 로보티즈사의 바이올로이드 부품으로 조립된 4족 보행로봇을 사용하였으며, 효율적인 보행을 위하여 발목 부분을 높게 수정하였다(그림 4). 바이올로이드는 국내에서 개발한 교육 및 여구용로봇 키트로서 센서, 모터, 조립용 프레임등이 모듈형 부품으로 구성되어있기 때문에 다양한 형태의 로봇 구성이 용이하고, 모터의 개별적인 제어가 가능하다[1 이.
• 직교좌표 계상에서 발끝의 자취 대신에 그림 1과 같이 관절좌표계상의 궤적을 대상으로 하며, 그림 2처럼 GP의 트리구조를 이용하여 로봇의 각 관절 궤적을 생성한다. 이러한 GP 기반의 관절공간 걸음새 생성 방법은 구조 및 파라미터의 동시적인 최적화가 이루어지기 때문에 전체적인 최적화에 근접할 수 있으며, Sony Aibo 4족 보행 로봇을 통한 시뮬레이션 결과, 속도면에서 가장 우수한 성능을 보여주고 있다〔4丄

이론/모형

• 수정하였다(그림 4). 바이올로이드는 국내에서 개발한 교육 및 여구용로봇 키트로서 센서, 모터, 조립용 프레임등이 모듈형 부품으로 구성되어있기 때문에 다양한 형태의 로봇 구성이 용이하고, 모터의 개별적인 제어가 가능하다[1 이. 시뮬레이션 환경은 ODE(Open Dynamics Engine) 라이브러리가 제공되는 Cyberbotics사의 Webots[9]을 사용하였다.
• 여기서 a, b 는 연결 강도 값으로서, 결합된 뉴런으로부터 나타나는 주기 시호 사이의 위상 이동을 결정하게 된다[孔 그림 3의 CPG 모델의 결합구조에 대해서, 식(2)의 계수 a, b 값을 최적화하기 위해 PSOU2] 알고리즘을 사용하였다.

성능/효과

• 시뮬레이션 결과, 최고속도 면에서는 GP 기반의 걸음새 생성 방식이 가장 우수한 성능을 보여 주었고, CPG는 평균적인 면에서 우수한 움직임을 보여주었다. 그러나 시뮬레이션 결과의 실제 로봇에의 적용에서는, GP 기법의 결과가 CPG 보다 시뮬레이션과의 차이가 적게 나고 전반적인 움직임이 우수함을 보였다
• 간격으로 캡쳐한 그림이다. 상단은 GP, 하단은 CPG를 사용한 실 爵이다 최고 속도를 기록한 두 결과는 서로 거의 동일한 형태의 움직임을 보였다 CPG 결과는 앞다리를 높게 사용하여 걸어가는 형태를 보여주었으며, G P의 결과는 상체는 높지만 앞, 뒷다리의 움직임은 최대한 낮게 사용하여 움직이는 형태를 보여주었다.
• 여기서, 속도의 단위는 cm/s 이다. 시뮬레이션 결과, 최고속도 면에서는 GP 기반의 걸음새 생성 방식이 가장 우수한 성능을 보여 주었고, CPG는 평균적인 면에서 우수한 움직임을 보여주었다.

후속연구

• 향후 GP 탐색기법과 CPG의 결합구조 및 파라미터의 최적화가 개선되어야 하며, 시뮬레이션과 실제 실험과의 차이를 보완할 수 있는 모델링 및 걸음새 생성이 필요하다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기