뉴럴 러닝 기반 로봇 손가락의 역기구학

Abstract

일반적으로 인간손에 있는 검지 손가락의 평면운동은 3개의 관절운동에 의해 이루어진다. 이러한 운동을 위해서는 기본적으로 역기구학 문제를 풀어야 하는데, 이것은 로봇 손을 이용한 파지나 조작행위에 있어서 필수적이다. 따라서 본 논문에서는 이러한 로봇 손가락의 역기구학 문제를 지능적으로 해결할 수 있는 뉴럴 러닝에 기반한 방법을 제안하고자 한다. 제안된 방법은 뉴럴 러닝에 있어서 동적인 학습율을 적용함으로써 보다 빠른 학습이 가능하고, 생체모방에 근거한 인간 손가락의 운동특성을 고려하는 것이 특징이다. 제안된 방법의 유용성을 입증하기 위하여 시뮬레이션을 수행한다. The planar motion of the index finger in general human hands is usually implemented by the actuation of three joints. This task requires a technique to determine the joint combination for each fingertip position which is well-known as the inverse kinematics problem in robotics. Especially, it is an essential work for grasping and manipulation tasks by robotic and humanoid fingers. In this paper, an intelligent neural learning scheme for solving such inverse kinematics is presented. Specifically, a multi-layered neural network is utilized for effective inverse kinematics, where a dynamic neural learning algorithm is employed for fast learning. Also, a bio-mimetic feature of general human fingers is incorporated to the learning scheme. The usefulness of the proposed approach is verified by simulations.