利用过程生成学习空间中的自主轴孔装配

自主组装结构的能力对于未来空间基础设施的发展至关重要。然而，空间中不可预测的条件对机器人系统提出了重大挑战，需要开发先进的学习技术以实现自主组装。在本研究中，我们提出了一种在空间机器人背景下学习自主轴孔装配的新方法。我们的重点是通过深度强化学习增强自主系统的泛化能力和适应性。通过结合过程生成和域随机化，我们在高度并行化的仿真环境中跨多种不同场景训练智能体，旨在获取鲁棒的策略。我们使用三种不同的强化学习算法对所提出的方法进行了评估，以研究各种范式之间的权衡。我们展示了智能体对新场景和装配序列的适应性，同时强调了利用先进仿真技术进行空间机器人学习的潜力。我们的发现为未来智能机器人系统的进步奠定了基础，这些系统有望支持地球之外的雄心勃勃的空间任务和基础设施开发。