林业起重机机械臂的强化学习控制
机器人学
2021-03-04 v1
摘要
林业机械是在非结构化生产森林环境中执行复杂操纵任务的重型车辆。加之车载液压驱动起重机的复杂动力学，粗糙的森林地形给林业自动化带来了特殊挑战。本研究在仿真环境中考察了将强化学习控制应用于林业起重机机械臂的可行性。我们的结果表明，通过在深度强化学习设置中引入简单课程，可以学习到用于节能原木抓取的成功执行器空间控制策略。给定所选原木的位姿，我们最佳控制策略的抓取成功率达 97%。在奖励函数中加入能量优化目标后，与未设能量优化激励所学控制策略相比能耗显著降低，而循环时间增加甚微。能量优化效应可观察为起重机操纵过程中整体更平滑的运动与加速度曲线。
引用
@article{arxiv.2103.02315,
title = {Reinforcement Learning Control of a Forestry Crane Manipulator},
author = {Jennifer Andersson and Kenneth Bodin and Daniel Lindmark and Martin Servin and Erik Wallin},
journal= {arXiv preprint arXiv:2103.02315},
year = {2021}
}
备注
8 pages, 6 figures