深層強化学習を用いたロボット障害物回避システム【JST・京大機械翻訳】

Zhu Xiaojun; Liang Yinghao; Sun Hanxu; Wang Xueqian; Ren Bin

文献

J-GLOBAL ID：202202256949962374 整理番号：22A0809738

深層強化学習を用いたロボット障害物回避システム【JST・京大機械翻訳】

Robot obstacle avoidance system using deep reinforcement learning

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0809738&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0809738&from=J-GLOBAL&jstjournalNo=H0275B") }}

著者 (5件)： , , , ,
資料名：
巻： 49 号： 2 ページ： 301-310 発行年： 2022年
JST資料番号： H0275B ISSN： 0143-991X 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：イギリス (GBR) 言語：英語 (EN)

目的:ほとんどの製造プラントは,事故を防止するためにロボットから人間オペレータを完全に分離する容易な方法を選択するが,結果として,人間ロボット協調から期待される全体的品質と速度に劇的に影響を与える。彼/彼女がロボット作業空間に入ったとき,人間安全性を確実にするのは,容易な作業ではなく,それらの作業環境の非構造化特性は,より硬くさえする。本論文の目的は,この問題を緩和するためのリアルタイムロボット衝突回避方法を提案することである。設計/方法論/手法:本論文では,自己監督強化学習アルゴリズムを通して,生深度画像からの直接制御コマンドを学習するために,モデル訓練を行った。初期訓練中のサンプル非効率性と安全性の影響を低減するために,バーチャルリアリティプラットフォームを用いて,自然作業環境をシミュレートし,訓練のための障害物回避データを生成した。実ロボットへの円滑な移動を確保するために,自動領域ランダム化技術を用いて,仮想環境における仮想ロボットの障害物回避シミュレーションを通してランダムに分布した環境パラメータを生成し,自然環境におけるより良い性能に寄与した。結果:この方法を,実際のUR3ロボットによるシミュレーションにおいて,いくつかの実際の応用に対して試験した。本論文の結果は,提案した方式がロボット安全意識を効果的に作り出すことができて,作業空間の中で人間による事故を避けるためにその軌道をいかに転換するかを学ぶことができることを示した。研究の制約/複製:この方法を,実際のUR3ロボットによるシミュレーションにおいて,いくつかの実用的なアプリケーションでテストした。結果は,提案した方式がロボットを安全に気づき,作業空間内の人による事故を避けるため,その軌道をどのように変えるかを学習できることを示している。独創性/価値:本論文では,ロボットが非構造化および複雑な環境において人間オペレータと一緒に動作することを可能にする新しい衝突回避フレームワークを提供する。この方法は,シーンのための視覚入力から最適経路を直接抽出するためにエンドツーエンドポリシー訓練を使用する。Copyright 2022 Emerald Publishing Limited All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , , ,

著者キーワード (5件)： , , , ,

ロボットの運動・制御 , ロボット工学一般

, ,

前のページに戻る