<aside> 💡
HW : Fully multi-copter / moving based robot arm
SW : MPC / ML
SW에 대해서 바라볼떄 최적제어에 ML로 MPC의 한계를 잡는걸 하는게 좋지않을까?
그런데 이걸 나의 HW에 대해 어떻게 적용하고 어떤 차별점이 있는가?
</aside>
ML과 MPC의 결합된 사례를 찾고 이 과정에서 어떤 이유로 두개를 결합했는지에 대해서 찾아야한다. → 주제를 일반화하고, 기존의 연구를 검토하고 맥락을 찾자! (영역설정)
A Survey of Machine Learning Approaches for Mobile Robot Control
manipulator의 베이스가 고정된 상태이므로, 워크스페이스의 구속이 존재
under-actuator시스템인 드론 위에서는 / 정지된 상태에서 어떤 위치에 도달하는 행위를 할 때 항상 수평을 유지하고 있어야만 한다.
→ But, 우리의 경우 워크스페이스의 중심 변화가 가능하고 config도 변경이 가능한 팔과 수평이 아님에도 정지할 수 있는 드론의 특성을 살릴때 더 자유도가 높다.
→ 잉여자유도가 존재
즉, 어떠한 궤적까지 가는 경우에 대해서 여러 해가 존재한다.
<aside> 💡
Q. 그렇다면, 어떠한 위치에 도달하는 과정에서 (???)를 최적화한다면 좋지않을까?
(이부분에서 MPC를 써야하는 명확한 이유, 장점을 찾아야한다)
</aside>
https://ieeexplore.ieee.org/abstract/document/10214639
이런식으로 자동차의 동역학을 고려한 최적경로형성은 매우가능하다!
https://ieeexplore.ieee.org/abstract/document/7039771
이런식으로 경주용 자동차같이 시간을 최적화하는 경로도 가능하다!
Q. 그럼 그냥 기존과 동일한데 뭐가 다릅니까? Agenda가 있나요?
기존의 에어리얼 매니퓰레이터는 제한된 자세에서 정해진 워크스페이스만을 수행했기에 이러한 문제(영역에 따른 새로운 구속조건을 제시하는 경우)를 할 필요가 없다
→ 근데 그 동일 영역대에서는 동일한거 아닌가? → https://www.sciencedirect.com/science/article/pii/S0967066122002325#fig2 그게 요자식
즉, 기존의 연구는 드론은 base의 “위치”만 바뀌는 경우이지만, 우리는 드론상에서의 로봇팔의 위치, 드론의 자세등을 수정하기에 새로운 형태의 궤적을 만드는 Agenda가 있다고 생각
Q. 그런데 직관적으로 볼때, 시간의 이점으로 본다면 자벌레가 움직일 이유가 없지않나요?
시간에 대한 가중이 크다면 드론이 움직이는 것이 이득일 것이고, 에너지 측면으로 봐도 기어가는게 좋을지, 등등 기어가는게 최적이 될까라는 의문 (어떤게 정답인지 확신이 x)
→ 그렇다면, 왜 로봇팔은 기어가는 행위를 해야하는 순간이 있을까?
→ 바로 드론이 안닿는 부분이 존재하기 때문이다.
→ 아 그렇다면 구속조건이 다른 경우에 대해서 작동하는 MPC가 필요하다!
→ region- based model predictive control 이라는 제어기가 존재한다.