DFL-TORO:一种基于单次示教学习时间最优机器人制造任务的演示框架
机器人学
2024-08-12 v3
摘要
本文提出 DFL-TORO,一种通过单次示教学习时间最优机器人任务的新型演示框架。其旨在优化应用于制造领域的示教学习(LfD)过程。由于 LfD 的有效性受人类演示的质量与效率挑战,我们的方法提供了一种简化方式,通过减少多次演示需求,直观地从人类教师处捕获任务要求。此外,我们提出一种基于优化的平滑算法,在遵守机器人运动学约束的同时,确保时间最优且加加速度受控的演示轨迹。结果是显著降噪,从而提升机器人操作效率。使用 Franka Emika Research 3 (FR3) 机器人针对多种任务进行的评估进一步证实了框架的有效性,凸显其在当代制造环境中变革示教演示的潜力。此外,我们将所提框架置于由 ABB YuMi 机器人操作的真实制造环境中,并通过动态运动基元(DMPs)的案例研究展示其对 LfD 成果的积极影响。
引用
@article{arxiv.2309.09802,
title = {DFL-TORO: A One-Shot Demonstration Framework for Learning Time-Optimal Robotic Manufacturing Tasks},
author = {Alireza Barekatain and Hamed Habibi and Holger Voos},
journal= {arXiv preprint arXiv:2309.09802},
year = {2024}
}
备注
20 pages, 14 figures