【论文标题】使用强化学习对木材关节进行机器人组装

【作者团队】Aleksandra Anna Apolinarska, Matteo Pacher, Hui Li, Nicholas Cote, Rafael Pastrana, Fabio Gramazio, Matthias Kohler

【发表时间】2021-2-27

【研究机构】

【论文链接】https://www.sciencedirect.com/science/article/pii/S0926580521000200

【推荐理由】 在建筑结构中，由于出现公差大，小批量生产和复杂的接触情况，尤其是在具有封闭形状的元件（例如具有整体接头的木材结构）的组装中，自动化机器人组装具有挑战性。文章建议将“强化学习”应用于在接触丰富且容易产生公差的装配任务中控制机器人的运动，并提出在建筑构造背景下这种方法的首次成功演示。以用于定制木构架的搭接接头的组装为例，通过力/扭矩和姿势数据引导机器人运动，以将木构元素插入其配对对象中。文章使用改编的Ape-X DDPG算法，可以对控制策略进行完全的仿真训练，并在实际中成功部署。实验表明，该策略还可以推广到训练中未曾见过的现实世界中的情况，例如公差和形状变化。这迎合了施工过程中发生的不确定性，并有助于制造差异化的定制设计。

内容中包含的图片若涉及版权问题，请及时与我们联系删除