Learning robotic milling strategies based on passive variable operational space interaction control

要約

この論文では、材料の分離とリサイクルのために製品を分解する際のロボットによる切断の問題について取り上げます。
廃棄物処理アプリケーションは、ロボットが切断する必要がある材料のパラメーター (硬度など) にかなりの多様性と不確実性が生じるため、製造プロセスにおけるフライス加工とは異なります。
この課題に対処するために、私たちは対話制御の要素を組み込んだ学習ベースのアプローチを提案します。このアプローチでは、タスクの実行中にロボットが送り速度、切込み深さ、機械的コンプライアンスなどの主要なパラメータを適応させることができます。
シミュレーション環境に組み込まれた切断力学の数学的モデルを使用して、物理的な切断試行からの大量のデータを必要とせずにシステムを迅速にトレーニングする方法を示します。
シミュレーション アプローチは、構造的および機械的特性が異なる 4 つのケーススタディ資料に基づいて、実際のロボット セットアップで検証されました。
提案された方法は、オフラインの最適計画方法と同様のレベルまでプロセス力とパスの偏差を最小限に抑え、パスごとに除去される材料の量は減少しますが、切断タスクを完了するまでの平均時間は最適時間の 25% 以内であることを実証します。
同様の作品に対する私たちのアプローチの主な利点は、素材に関する事前知識が必要ないことです。

要約(オリジナル)

This paper addresses the problem of robotic cutting during disassembly of products for materials separation and recycling. Waste handling applications differ from milling in manufacturing processes, as they engender considerable variety and uncertainty in the parameters (e.g. hardness) of materials which the robot must cut. To address this challenge, we propose a learning-based approach incorporating elements of interaction control, in which the robot can adapt key parameters, such as feed rate, depth of cut, and mechanical compliance during task execution. We show how a mathematical model of cutting mechanics, embedded in a simulation environment, can be used to rapidly train the system without needing large amounts of data from physical cutting trials. The simulation approach was validated on a real robot setup based on four case study materials with varying structural and mechanical properties. We demonstrate the proposed method minimises process force and path deviations to a level similar to offline optimal planning methods, while the average time to complete a cutting task is within 25% of the optimum, at the expense of reduced volume of material removed per pass. A key advantage of our approach over similar works is that no prior knowledge about the material is required.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google