面向林业起重机自主抓取原木：模拟器与基准测试
机器人学
2025-02-04 v1
摘要
在森林生产环境中作业的林业机械在执行操作任务时面临挑战，特别是涉及欠驱动起重机系统的复杂动力学以及待抓取原木的巨大重量。本研究探讨了使用强化学习使林业起重机机械臂自主抓取和提升重型原木的可行性。我们首先使用 Mujoco 物理引擎构建了一个模拟器，以创建逼真的场景，包括根据 CAD 数据对具有 8 个自由度的林业起重机以及不同尺寸的原木进行建模。我们进一步实现了一个速度控制器，通过使用课程策略的深度强化学习来实现自主原木抓取。利用我们的新模拟器，所提出的控制策略在抓取不同直径的原木且林业起重机初始构型随机的情况下，展示了 96% 的成功率。此外，我们还实现了奖励函数和强化学习基线，为社区在大规模操作任务方面提供了一个开源基准。包含若干演示的视频可在 https://www.acin.tuwien.ac.at/en/d18a/ 观看。
引用
@article{arxiv.2502.01304,
title = {Towards Autonomous Wood-Log Grasping with a Forestry Crane: Simulator and Benchmarking},
author = {Minh Nhat Vu and Alexander Wachter and Gerald Ebmer and Marc-Philip Ecker and Tobias Glück and Anh Nguyen and Wolfgang Kemmetmueller and Andreas Kugi},
journal= {arXiv preprint arXiv:2502.01304},
year = {2025}
}
备注
7 pages. Accepted to ICRA 2025