用于高精度装配任务的深度强化学习
机器人学
2017-09-25 v2 人工智能
摘要
机械零件的高精度装配要求精度超过机器人本身的精度。当前制造中使用的常规零件配合方法在部署前需要对大量参数进行繁琐的调谐。我们展示了如何通过训练带有强化学习的循环神经网络，使机器人成功执行小间隙轴孔装配任务。除了节省人工之外，所提出的技术还显示出对轴孔装配任务中位置和角度误差的鲁棒性。神经网络通过观察机器人传感器来估计系统状态，从而学习采取最优动作。我们提出的方法的优势在 7 轴关节型机械臂上得到了实验验证。
引用
@article{arxiv.1708.04033,
title = {Deep Reinforcement Learning for High Precision Assembly Tasks},
author = {Tadanobu Inoue and Giovanni De Magistris and Asim Munawar and Tsuyoshi Yokoya and Ryuki Tachibana},
journal= {arXiv preprint arXiv:1708.04033},
year = {2017}
}
备注
Conference: Accepted to IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Vancouver, Canada, September 24-28, 2017. Video: https://youtu.be/b2pC78rBGH4