반복적인 작업을 수행하는 로봇의 학습능력을 향상시키는 신기술

2023년 6월 5일

이 기사는 Science X의 편집 과정 및 정책에 따라 검토되었습니다. 편집자들은 콘텐츠의 신뢰성을 보장하면서 다음 특성을 강조했습니다.

사실 확인된

교정하다

캑터스 커뮤니케이션즈(Cactus Communications)

과거의 실수로부터 배우는 것은 인간에게만 국한되지 않습니다. 컴퓨터도 그렇게 합니다. 업계에서는 생산 시스템 운영을 돕는 컴퓨터 기반 제어 시스템을 통해 이를 수행합니다. 의류, 컴퓨터 칩, 제과류 생산 등 특정 작업을 일괄적으로 수행하는 산업용 로봇의 경우 가장 일반적으로 사용되는 제어 기술은 반복 학습 제어(ILC)입니다. 대부분의 산업은 여전히 ​​비례형 업데이트 규칙(PTUR)이라는 학습 전략을 사용하는 ILC 시스템에 의존하고 있습니다. 이 기술은 동일한 작업을 계속해서 반복하고 이전 반복에서 발생한 오류를 기반으로 제어 입력을 업데이트하여 ILC 시스템의 성능을 향상시킵니다.

그러나 이 제어 방법은 수십 년 전에 제안되었습니다. 그리고 더욱 복잡한 작업을 수행하기 위해 ILC 시스템이 점점 더 많이 채택되고 있기 때문에 더 빠르고 정확하게 학습할 수 있는 기술이 필요합니다.

최근 획기적인 발전을 이룬 과학자 그룹은 단일 입력-단일 출력 선형 ILC 시스템의 성능 잠재력을 향상시키기 위해 분수 전력 업데이트 규칙(FPUR)을 사용하는 새로운 기술을 제안했습니다. 이번 연구는 IEEE/CAA Journal of Automata Sinica에 게재되었습니다.

시간이 지남에 따라 원하는 출력과 실제 출력 간의 차이가 감소하는 속도인 수렴률은 ILC 시스템의 효율성을 정의하는 데 중요한 역할을 합니다. 수렴률을 향상시키기 위한 기존 방법은 높은 정밀도가 요구되는 상황에서는 만족스럽지 못한 경우가 많습니다. 지속적이거나 수동으로 선택된 학습 이득의 경우에도 선형 업데이트 방법을 사용하는 현재 ILC 시스템은 사용 가능한 정보를 최대한 활용하지 못합니다. 따라서 과학자들은 원하는 출력을 학습하고 도달하기 위해 비선형 업데이트 방법을 활용하는 PTUR 이상의 접근 방식을 조사했습니다.

"전통적인 PTUR은 제어 입력을 업데이트하기 위해 추적 오류에 대해 선형 항을 사용합니다. 반면에 FPUR은 업데이트를 위해 분수 항을 사용합니다. 1보다 작은 양수는 그 자체보다 더 큰 분수 거듭제곱을 갖기 때문에 FPUR의 업데이트 강도는 작은 추적 오류에 대한 PTUR보다 크기 때문에 수렴 속도가 빨라집니다."라고 중국 런민 대학교 수학 대학원 석사 과정 학생이자 이번 연구의 주 저자인 Zihan Li는 설명합니다.

연구팀은 앞서 언급한 문제를 극복하고 수렴 속도를 향상시킬 수 있는 잠재적인 기술인 최신 유한 시간 제어(FTC) 및 터미널 슬라이딩 모드 제어(TSMC) 전략에서 영감을 받은 새로운 FPUR 방법을 개발했습니다. 또한 과학자들은 시간에 따른 오류 역학을 탐색하기 위해 비선형 매핑 접근 방식을 채택했습니다. 이 접근 방식을 통해 빠른 수렴 성능을 보고하고 ILC 시스템에서 오류 추적의 가능한 제한 주기를 특성화할 수 있었습니다. 또한 새로운 방법의 유효성을 검증하기 위해 수치 시뮬레이션도 수행되었습니다.