priborИзвестия высших учебных заведений. ПриборостроениеJournal of Instrument Engineering0021-34542500-0381Национальный исследовательский университет ИТМО10.17586/0021-3454-2024-67-10-893-898pribor-64Research ArticleКРАТКИЕ СООБЩЕНИЯBRIEF NOTESУправление манипуляторами с настройкой импедансных регуляторов на основе моделей сенсорно-моторных навыковVariable Impedance Learning Control for Robotic Arms from GMR-Encoded Behavior PriorsВаддахАлиWaddahAli

Ваддах Али — аспирант; факультет систем управления и робототехники, Международная лаборатория биомехатроники и энергоэффективной робототехники; инженер

Санкт-Петербург

Waddah Ali — Post-Graduate Student; Faculty of Control Systems and Robotics, International Laboratory of Biomechatronics and EnergyEfficient Robotics; Engineer

St. Petersburg

waddahkh.ali94@gmail.comКолюбинС. А.KolyubinS. A.

Сергей Алексеевич Колюбин — д-р техн. наук; Университет ИТМО, факультет систем управления и робототехники, Международная лаборатория биомехатроники и энергоэффективной робототехники; профессор, г.н.с.

Санкт-Петербург

Sergey A. Kolyubin — Dr. Faculty of Control Systems and Robotics, International Laboratory of Biomechatronics and Energy-Efficient Robotics; Professor; Chief Researcher

St. Petersburg

s.kolyubin@itmo.ruУниверситет ИТМОITMO University2024251120246710893898Copyright © Национальный исследовательский университет ИТМО, 20242024Национальный исследовательский университет ИТМОНациональный исследовательский университет ИТМОhttps://pribor.ifmo.ru/jour/about/submissions#copyrightNoticehttps://pribor.ifmo.ru/jour/article/view/64

Представлен метод управления, при котором параметры импедансного регулятора в декартовом пространстве настраиваются в режиме реального времени посредством оптимизации на основе метода квадратичного программирования. Настройка параметров выполняется в соответствии с генерируемыми моделями сенсорно-моторных навыков, желаемыми профилями скоростей и сил взаимодействия инструмента робота с окружением.

This study presents a control approach, where Cartesian variable impedance control parameters are tuned online as the result of quadratic programming optimization dynamically modulating stiffness and damping coefficients based on desired sensory-motor skill encoded by Gaussian mixture regression behavior prior model.

обучение на основе демонстрацииуправление переменным импедансомпередача навыковманипуляция с контактомlearning from demonstrationvariable impedance controlskill transfercontact manipulationReferencesAli Waddah, Kolyubin S. А. Training behavior priors models for programming robotic contact-rich manipulation // Journal of Instrument Engineering, 2024, Vol. 67, N 6. Р. 500–510.Ali Waddah, Kolyubin S.А. Journal of Instrument Engineering, 2024, no. 6(67), pp. 500–510.Hussein A., Gaber M. M., Elyan E., and Jayne C. Imitation learning: A survey of learning // ACM Computing Surveys. 2017. Vol. 50, N 2. Art. no. 21. https://doi.org/10.1145/3071073.Hussein A., Gaber M.M., Elyan E., and Jayne C. ACM Computing Surveys, 2017, no. 2(50), art. 21, https://doi.org/10.1145/3071073.Ravichandar H., Polydoros A. S., Chernova S., and Billard A. Recent advances in robot learning from demonstration // Annual Review of Control, Robotics, and Autonomous Systems. 2020. Vol. 3, N 1. Р. 297–330. DOI:10.1146/annurev- control-100819-063206.Ravichandar H., Polydoros A.S., Chernova S., and Billard A. Annual review of control, robotics, and autonomous systems, 2020, no. 1(3), pp. 297–330, DOI:10.1146/annurev-control-100819-063206.Abu-Dakka F. J. and Kyrki V. Geometry-aware dynamic movement primitives // IEEE International Conference on Robotics and Automation. Paris, France, 2020. P. 4421–4426.Abu-Dakka F.J. and Kyrki V. IEEE International Conference on Robotics and Automation, Paris, France, 2020, pp. 4421–4426.Wang Y. Q., Hu Y. D., El Zaatari S., Li W. D., Zhou Y. Optimised Learning from Demonstrations for Collaborative Robots // Robotics and Computer-Integrated Manufacturing. 2021. Vol. 71, N 9. Р. 102169. DOI:10.1016/j.rcim.2021.102169.Wang Y.Q., Hu Y.D., El Zaatari S., Li W.D., Zhou Y. Robotics and Computer-Integrated Manufacturing, 2021, no. 9(71), pp. 102169, DOI:10.1016/j.rcim.2021.102169Kronander K. and Billard A. Learning compliant manipulation through kinesthetic and tactile human-robot interaction // IEEE Transactions on Haptics. 2014. Vol. 7. P. 367–380.Kronander K. and Billard A. IEEE Transactions on Haptics, 2014, vol. 7, pp. 367–380.Saveriano M. and Lee D. Learning motion and impedance behaviors from human demonstration // IEEE International Conference on Ubiquitous Robots and Ambient Intelligence. Kuala Lumpur, Malaysia, 2014. P. 368–373.Saveriano M. and Lee D. IEEE International Conference on Ubiquitous Robots and Ambient Intelligence, Kuala Lumpur, Malaysia, 2014, pp. 368–373.Khansari-Zadeh S. M. and Billard A. Learning stable non-linear dynamical systems with gaussian mixture models // IEEE Transaction on Robotics. 2011. Vol. 27. P. 943–957.Khansari-Zadeh S.M. and Billard A. IEEE Transaction on Robotics, 2011, vol. 27, pp. 943–957.Li M., Yin H., Tahara K., and Billard A. Learning object-level impedance control for robust grasping and dexterous manipulation // IEEE International Conference on Robotics and Automation. Hong Kong, China, 2014. P. 6784–6791.Li M., Yin H., Tahara K., and Billard A. IEEE International Conference on Robotics and Automation, Hong Kong, China, 2014, pp. 6784–6791.Suomalainen M., Calinon S., Pignat E., and Kyrki V. Improving dual-arm assembly by master-slave compliance // IEEE International Conference on Robotics and Automation (ICRA). Montreal, QC, Canada, 2019. P. 8676–8682.Suomalainen M., Calinon S., Pignat E., and Kyrki V. IEEE International Conference on Robotics and Automation (ICRA), Montreal, QC, Canada, 2019, pp. 8676–8682.Byrd R. H., Lu P., and Nocedal J. A Limited Memory Algorithm for Bound Constrained Optimization // SIAM Journal on Scientific and Statistical Computing. 1995. Vol. 16, N 5. P. 1190–1208.Byrd R.H., Lu P., and Nocedal J. SIAM Journal on Scientific and Statistical Computing, 1995, no. 5(16), pp. 1190– 1208.

The authors declare that there are no conflicts of interest present.