通过知识表征、推理与规划结合强化学习实现柔性自适应制造
机器人学
2023-11-17 v1
摘要
本文描述了一种在小批量生产与定制化背景下的自适应制造新方法。其重点在于将SkiROS2基于技能的机器人控制平台中的任务级规划与推理同强化学习(RL)相集成。该集成提升了制造中机器人系统的效率与适应性，使其能调整至任务变化并从交互数据中学习。论文强调了SkiROS2的架构，尤其是其世界模型、技能库与任务管理。它展示了将RL与机械臂结合如何学习并改进工业任务的执行。其倡导一种缓解学习问题设计难度的多目标学习模型。该方法可融入用户先验或既往经验以加速学习并提升安全性。焦点视频：https://youtu.be/H5PmZl2rRbs?si=8wmZ-gbwuSJRxe3S&t=1422 SkiROS2代码：https://github.com/RVMI/skiros2 ROSCon上的SkiROS2演讲：https://vimeo.com/879001825/2a0e9d5412 SkiREIL代码：https://github.com/matthias-mayr/SkiREIL
引用
@article{arxiv.2311.09353,
title = {Flexible and Adaptive Manufacturing by Complementing Knowledge Representation, Reasoning and Planning with Reinforcement Learning},
author = {Matthias Mayr and Faseeh Ahmad and Volker Krueger},
journal= {arXiv preprint arXiv:2311.09353},
year = {2023}
}
备注
3 pages, 2 figures. Presented at the IROS 2023 Workshop on Robotics & AI in Future Factory