基于强化学习的钻臂寻孔集成控制
机器人学
2023-12-05 v1 人工智能
摘要
智能钻臂寻孔是一项有望提升钻孔效率、减少潜在安全隐患并减轻操作人员负担的技术。大多数现有智能钻臂控制方法依赖基于逆运动学的分层控制框架。然而，由于逆运动学的计算复杂性以及多关节顺序执行的低效性，这些方法通常耗时较长。为应对这些挑战，本研究提出一种基于强化学习（RL）的钻臂集成控制方法。我们开发了一个钻臂集成控制框架，利用参数化策略，借助关节姿态与目标孔信息，在每个时间步直接生成所有关节的控制输入。通过将寻孔任务建模为马尔可夫决策过程，可直接采用当前主流 RL 算法学习寻孔策略，从而免去逆运动学求解并促进多关节协同控制。为提升整个钻孔过程中的钻孔精度，我们设计了一种结合 Denavit-Hartenberg 关节信息与预览寻孔偏差数据的状态表示。仿真结果表明，所提方法在寻孔精度和时间效率上均显著优于传统方法。
引用
@article{arxiv.2312.01836,
title = {Integrated Drill Boom Hole-Seeking Control via Reinforcement Learning},
author = {Haoqi Yan and Haoyuan Xu and Hongbo Gao and Fei Ma and Shengbo Eben Li and Jingliang Duan},
journal= {arXiv preprint arXiv:2312.01836},
year = {2023}
}