安全で効率的な産業挿入に向けた政策設計,学習,および移動のための構成可能フレームワーク【JST・京大機械翻訳】

Chen Rui; Wang Chenxi; Wei Tianhao; Liu Changliu

プレプリント

J-GLOBAL ID：202202220946704568 整理番号：22P0299667

安全で効率的な産業挿入に向けた政策設計,学習,および移動のための構成可能フレームワーク【JST・京大機械翻訳】

A Composable Framework for Policy Design, Learning, and Transfer Toward Safe and Efficient Industrial Insertion

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月06日プレプリントサーバーでの情報更新日： 2022年03月06日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

工業ロボットにとっては,産業挿入タスク(例えばPCボードアセンブリ)が課題となっている。課題は,低誤差許容度,部品のデリカシー,および挿入すべき部品に関する大きなタスク変動を含む。これらの挿入タスクのための実行可能なロボットソリューションを提供するために,既存のロボットシステムのハードウェア限界を説明し,統合努力を最小化する必要がある。本論文では,これらの挿入タスクを達成するために,既存のロボットプラットフォーム上の安全な挿入ポリシーの効率的な統合のための構成可能なフレームワークを提案した。政策は解釈可能なモジュール化設計を持ち,ハードウェア上で効率的に学習でき,容易に新しいタスクに転送できる。特に,ポリシーは,挿入のためのベースライン政策としての安全な挿入エージェント,ロボットハードウェアに対するインタフェイスとしての最適な構成可能なデカルトトラッカー,コンポーネント多様性と挿入エラーを扱う確率的推論モジュール,および,前述のモジュールにおけるパラメータを最適化するための安全な学習モジュールを含み,指定されたハードウェアに関する最良の性能を達成した。UR10ロボットに関する実験結果は,提案フレームワークが,学習中の実行+データおよび時間効率の間のタスク効率と同様に,安全性(コンポーネントのデリカシー),精度(低許容度),ロバスト性(認識誤差および成分欠陥),適応性および伝達性(タスク変動に対して)を達成することを示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

ロボットの運動・制御

, , ,

前のページに戻る