基于强化学习的伐木-forwarder装载自动化
机器人学
2025-10-31 v1
摘要
伐木forwarder在从砍伐现场搬运原木到加工区或次要运输车辆方面发挥着核心作用。forwarder操作对必须在偏远地点长时间控制机器的作业人员来说具有挑战性，既疲劳又精神不集中。因此，对过程进行部分自动化可能减轻作业人员的压力。本研究聚焦于延续前期研究，将强化学习代理用于自动化原木处理过程的工作，扩展任务范围：从抓取(先前研究中已研究)到完整的装载操作。最终得到的代理能够自动化完成从定位、抓取到运输并将原木送至伐木forwarder床位的完整装载程序。为训练代理，我们开发了基于NVIDIA Isaac Gym的半挂式伐木forwarder仿真模型和典型原木装载场景的虚拟环境。通过强化学习代理和课程学习方法，训练得到的代理可作为强化学习代理用于伐木forwarder自动化的一步脚石。该代理在从随机位置抓取原木、从随机抓手位置出发并将其运输至床位方面取得94%的最佳性能代理成功率。
关键词
引用
@article{arxiv.2510.26363,
title = {Towards Reinforcement Learning Based Log Loading Automation},
author = {Ilya Kurinov and Miroslav Ivanov and Grzegorz Orzechowski and Aki Mikkola},
journal= {arXiv preprint arXiv:2510.26363},
year = {2025}
}