利用强化学习实现透镜系统的主动对准
机器人学
2025-10-06 v2 机器学习
系统与控制
系统与控制
摘要
使透镜系统相对于成像器对准是相机制造中的一个关键挑战。虽然在理想条件下可以在数学上计算出最佳对准，但由制造公差引起的现实世界偏差往往使这种方法变得不切实际。测量这些公差可能成本高昂甚至不可行，而忽略它们可能导致次优对准。我们提出了一种强化学习（RL）方法，该方法完全在传感器输出的像素空间中学习，消除了开发专家设计的对准概念的需要。我们进行了广泛的基准研究，并表明我们的方法在速度、精度和鲁棒性方面超越了其他方法。我们进一步介绍了 relign，这是一个逼真的、可自由探索的开源仿真环境，它利用基于物理的渲染来对具有非确定性制造公差和机器人对准运动中噪声的光学系统进行建模。它提供了与流行机器学习框架的接口，实现了无缝的实验和开发。我们的工作突出了 RL 在制造环境中提高光学对准效率的潜力，同时最大限度地减少了人工干预的需要。
引用
@article{arxiv.2503.02075,
title = {Active Alignments of Lens Systems with Reinforcement Learning},
author = {Matthias Burkhardt and Tobias Schmähling and Pascal Stegmann and Michael Layh and Tobias Windisch},
journal= {arXiv preprint arXiv:2503.02075},
year = {2025}
}
备注
This work has been submitted to the IEEE for possible publication