利用强化学习学习短装载循环中的接近动作
机器人学
2024-06-21 v1
摘要
短装载循环是一种高频重复操作，构成自动化的绝佳替代方案。在短装载循环中，操作员需导航至堆料区域，装满桶内材料，再导航至散料车并将材料倒入倾斜车身。操作员需在实现生产目标的同时最小化燃料消耗，以最大化循环的整体效率。此外，难以建模的交互（如轮胎与路面之间的相互作用）进一步复杂化了该循环。这些难以通过规则系统处理的硬性约束，结合效率要求，促使我们考察数据驱动方法的潜力。本文探讨了通过强化学习教授智能体接近散料车倾斜车身并定位以便倒料的可能性。该智能体在3D仿真环境中训练，以执行简化的导航任务。训练后的智能体直接迁移至实际车辆上完成相同任务，无需额外训练。结果表明，该智能体能在仿真中通过有限控制信号成功学习导航至散料车，并在实际车辆上表现出正确行为。
引用
@article{arxiv.2406.13366,
title = {Learning the Approach During the Short-loading Cycle Using Reinforcement Learning},
author = {Carl Borngrund and Ulf Bodin and Henrik Andreasson and Fredrik Sandin},
journal= {arXiv preprint arXiv:2406.13366},
year = {2024}
}