Learning Object Manipulation With Under-Actuated Impulse Generator Arrays

要約

半世紀以上にわたって、振動式ボウルフィーダーは、小部品の分割、方向づけ、操作のための自動組立の標準となってきました。しかし、これらのフィーダーは高価で、騒音が大きく、単一部品設計に特化したものである。我々は、半硬質部品支持面の下に配置された7つの固定位置可変エネルギーソレノイドインパルスアクチュエータによる、単一化、方向付け、操作のための代替装置と学習制御方法を検討する。コンピュータビジョンを用いて部品の姿勢情報を提供し、様々な機械学習（ML）アルゴリズムをテストして、最適なアクチュエータと作動エネルギーを選択する制御方針を生成した。操作のテスト対象は、6面体のクラップススタイルのダイスである。最も適したMLアルゴリズムを使用したところ、1つのインパルスで30.4%、2つのインパルスで51.3%の確率でダイスを任意の面に反転させることができましたが、ランダムポリシーは5.1%の確率で成功しました（つまり、ランダムに選んだソレノイドからインパルスを供給した）。

要約(オリジナル)

For more than half a century, vibratory bowl feeders have been the standard in automated assembly for singulation, orientation, and manipulation of small parts. Unfortunately, these feeders are expensive, noisy, and highly specialized on a single part design bases. We consider an alternative device and learning control method for singulation, orientation, and manipulation by means of seven fixed-position variable-energy solenoid impulse actuators located beneath a semi-rigid part supporting surface. Using computer vision to provide part pose information, we tested various machine learning (ML) algorithms to generate a control policy that selects the optimal actuator and actuation energy. Our manipulation test object is a 6-sided craps-style die. Using the most suitable ML algorithm, we were able to flip the die to any desired face 30.4\% of the time with a single impulse, and 51.3\% with two chosen impulses, versus a random policy succeeding 5.1\% of the time (that is, a randomly chosen impulse delivered by a randomly chosen solenoid).

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL