CIRO7.2：循环度为-7.2的物质网络与强化学习控制的机器人拆解器
机器人学
2025-06-16 v1 计算机与社会
摘要
对矿物自然储量的竞争预计将因基于获取-制造-处置的线性经济范式而加剧。与此同时，线性经济将使用终结的产品视为废弃物而非资源，导致大量废弃物，其管理仍然是一个未解决的问题。由于向循环经济的转型可以缓解这些开放问题，本文首先基于分部动力学热力学增强了循环度的概念，即λ，然后，我们建模了一个热力学物质网络，处理一批临界系数分别为0.1和0.95的两种固体材料，并使用通过强化学习（RL）控制的机器人拆解器隔间，处理2-7公斤的材料。随后，我们专注于使用最先进的RL算法设计机器人拆解器隔间，并根据λ评估算法性能（图1）。最高循环度-2.1在拆解2个各1公斤的零件时实现，而在拆解4个各1公斤并封装在3公斤底盘中的零件时降至-7.2。最后，敏感性分析强调，RL控制器性能对λ的影响与被拆解材料的数量和临界性呈正相关。本工作还给出了新兴研究领域——循环智能与机器人学（CIRO）的原则。源代码公开可用。
引用
@article{arxiv.2506.11748,
title = {CIRO7.2: A Material Network with Circularity of -7.2 and Reinforcement-Learning-Controlled Robotic Disassembler},
author = {Federico Zocco and Monica Malvezzi},
journal= {arXiv preprint arXiv:2506.11748},
year = {2025}
}
备注
To be submitted