基于域随机化强化学习的通用插针-孔装配策略
机器人学
2025-04-08 v1
摘要
泛化能力对于插针-孔装配至关重要, 这是一种基本的工业操作, 可适应动态工业场景并提升制造效率. 尽管已有工作增强了对姿态变化的泛化能力, 但对六自由度(6-DOF)空间的泛化研究较少, 限制了在实际场景中的应用. 本文通过开发使用近端策略优化(PPO)和动态仿真与域随机化的通用策略GenPiH来解决这一限制. 策略学习实验显示, 该策略在超过八千个唯一孔位的平行环境中实现了接近100\%的成功插入, 并通过UR10e机器人进行的仿真到实际的验证确认了该策略在无需任务特定调优的情况下的直接轨迹执行能力.
引用
@article{arxiv.2504.04148,
title = {A General Peg-in-Hole Assembly Policy Based on Domain Randomized Reinforcement Learning},
author = {Xinyu Liu and Aljaz Kramberger and Leon Bodenhagen},
journal= {arXiv preprint arXiv:2504.04148},
year = {2025}
}