Control robótico inteligente para extracción de elementos flexibles
-
Published:2024-07-19
Issue:45
Volume:
Page:
-
ISSN:3045-4093
-
Container-title:Jornadas de Automática
-
language:
-
Short-container-title:JA-CEA
Author:
Tapia Sal Paz Benjamin,Sorrosal Gorka,Mancisidor Aitziber,Cabanes Itziar
Abstract
La automatización de tareas de desensamblaje presenta grandes desafíos, principalmente relacionados con las caracteristicas dinámicas y no estructuradas de la tarea, en donde se necesitan acciones adaptativas para asegurar la interacción adecuada entre el robot y el entorno de la tarea. En este trabajo se propone un control basado en aprendizaje por refuerzo para la automatización de tareas de extracción de elementos flexibles mediante el uso de robots, buscando así enfrentar las dificultades de trabajar en estos entornos desestructurados y dinámicos. Para lograr eso, el control propuesto aprenderá a tomar acciones adecuadas en el movimiento del robot que llevarán a la extraction de elementos flexible a través de trayectorias de baja fuerza. Como resultado, este trabajo demuestra cómo la integración de un controlador basado en aprendizaje por refuerzo puede abordar los desafíos de la extracción de elementos flexibles, contribuyendo asi al avance de procesos de desensamblaje inteligentes mediante el uso de robots.
Publisher
Universidade da Coruna
Reference10 articles.
1. Beltran-Hernandez, C. C., Petit, D., Ramirez-Alpizar, I. G., Harada, K., 10 2020. Variable compliance control for robotic peg-in-hole assembly: A deep-reinforcement-learning approach. Applied Sciences (Switzerland) 10, 1–17. DOI: 10.3390/app10196923 2. Kristensen, C. B., Sørensen, F. A., Nielsen, H. B., Andersen, M. S., Bendtsen, S. P., Bøgh, S., 2019. Towards a robot simulation framework for e-waste disassembly using reinforcement learning. Vol. 38. Elsevier B.V., pp. 225–232. DOI: 10.1016/j.promfg.2020.01.030 3. Kroemer, O., Niekum, S., Konidaris, G., 2021. A review of robot learning for manipulation: Challenges, representations, and algorithms. URL: http://jmlr.org/papers/v22/19-804.html. 4. Kurilova-Palisaitiene, J., Sundin, E., Poksinska, B., 1 2018. Remanufacturing challenges and possible lean improvements. Journal of Cleaner Production 172, 3225–3236. DOI: 10.1016/j.jclepro.2017.11.023 5. Lillicrap, T. P., Hunt, J. J., Pritzel, A., Heess, N., Erez, T., Tassa, Y., Silver, D., Wierstra, D., 9 2015. Continuous control with deep reinforcement learning. URL: http://arxiv.org/abs/1509.02971
|
|