Maglev-Pentabot：基于深度强化学习的磁力悬浮非接触操作系统
机器人学
2025-11-27 v1 人工智能
摘要
非接触操作已在各个工业领域中发挥变革性作用，但当前的灵活二维和三维非接触操作技术常局限于微小尺度，通常只控制毫克范围内的物体。在本文中，我们提出了一种磁力悬浮系统，称为Maglev-Pentabot，旨在克服这一限制。Maglev-Pentabot利用深度强化学习（DRL）开发复杂的控制策略，以操作克重量为克的物体。具体而言，我们提出了通过数值分析优化的电磁排列，以最大化可控空间。此外，引入一种动作映射方法，以解决磁场强度强非线性导致的样本稀疏问题，从而使DRL控制器能够收敛。实验结果表明，我们的系统具备灵活的操作能力，尤其值得注意的是，该系统能够泛化到其未明确训练的运输任务。 Furthermore, our approach can be scaled to manipulate heavier objects using larger electromagnets, offering a reference framework for industrial-scale robotic applications.（我们的方案可通过使用更大的电磁体来操作更重的物体，为工业级机器人应用提供了参考框架。）
引用
@article{arxiv.2511.21149,
title = {Maglev-Pentabot: Magnetic Levitation System for Non-Contact Manipulation using Deep Reinforcement Learning},
author = {Guoming Huang and Qingyi Zhou and Dianjing Liu and Shuai Zhang and Ming Zhou and Zongfu Yu},
journal= {arXiv preprint arXiv:2511.21149},
year = {2025}
}