基于深度强化学习的矿石堆加载自动化控制
机器人学
2024-09-12 v1
摘要
本文提出了一种基于深度强化学习的方法，用于训练Load-Haul-Dump(LHD)机器人进行矿石堆的自动装载控制。这些控制器必须完成一次完整的装载动作，在避免轮胎漂移、卸料或陷入堆料过程中，将材料填满LHD的 buckets。训练过程完全在仿真环境中完成，使用一种简单环境，利用地面运输机械基本方程以实现低计算成本。训练了两种不同类型的策略：一种具有混合动作空间，另一种具有连续动作空间。所训练的RL策略在仿真和实际环境中都进行了评估，其性能与基于启发式的控制器和人工遥控进行了比较。此外，还进行了实际环境中的实验，以评估RL策略对堆料特征测量误差的鲁棒性。总体而言，RL控制器在实际环境中表现良好，在装载动作期间实现了71%-94%的装填比，比其他基线方法表现更好。
引用
@article{arxiv.2409.07449,
title = {Autonomous loading of ore piles with Load-Haul-Dump machines using Deep Reinforcement Learning},
author = {Rodrigo Salas and Francisco Leiva and Javier Ruiz-del-Solar},
journal= {arXiv preprint arXiv:2409.07449},
year = {2024}
}
备注
19 pages, 19 figures