Efficient and Feasible Robotic Assembly Sequence Planning via Graph Representation Learning

要約

自動ロボット組立順序計画 (RASP) は、より高度な製品カスタマイズのニーズの高まりに伴い、現代の製造業の生産性と回復力を大幅に向上させることができます。
このような自動化を実現する際の主な課題の 1 つは、ますます複雑化するアセンブリの潜在的なシーケンスの数が増加する中から効率的に解決策を見つけることにあります。
さらに、ロボット システムには、コストのかかる実現可能性チェックが常に必要となります。
これに対処するために、製品アセンブリ用のアセンブリ グラフと呼ばれるグラフ表現と、アセンブリ シーケンス生成用の GRACE と呼ばれるポリシー アーキテクチャであるグラフ アセンブリ処理ネットワークを含む、総合的なグラフィカル アプローチを提案します。
GRACE を使用すると、グラフ入力から意味のある情報を抽出し、アセンブリ シーケンスを段階的に予測できます。
実験では、私たちのアプローチが双腕ロボット システムのシミュレーションで収集されたデータに基づいて、アルミニウム プロファイルの製品バリエーション全体で実現可能な組み立て順序を予測できることを示しています。
さらに、私たちの方法が実行不可能なアセンブリを検出し、誤った予測による望ましくない影響を大幅に軽減できるため、現実世界への展開がすぐに容易になることを実証します。
コードとトレーニング データは https://github.com/DLR-RM/GRACE で入手できます。

要約(オリジナル)

Automatic Robotic Assembly Sequence Planning (RASP) can significantly improve productivity and resilience in modern manufacturing along with the growing need for greater product customization. One of the main challenges in realizing such automation resides in efficiently finding solutions from a growing number of potential sequences for increasingly complex assemblies. Besides, costly feasibility checks are always required for the robotic system. To address this, we propose a holistic graphical approach including a graph representation called Assembly Graph for product assemblies and a policy architecture, Graph Assembly Processing Network, dubbed GRACE for assembly sequence generation. With GRACE, we are able to extract meaningful information from the graph input and predict assembly sequences in a step-by-step manner. In experiments, we show that our approach can predict feasible assembly sequences across product variants of aluminum profiles based on data collected in simulation of a dual-armed robotic system. We further demonstrate that our method is capable of detecting infeasible assemblies, substantially alleviating the undesirable impacts from false predictions, and hence facilitating real-world deployment soon. Code and training data are available at https://github.com/DLR-RM/GRACE.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google