Optimizing Modular Robot Composition: A Lexicographic Genetic Algorithm Approach

要約

産業用ロボットは汎用ハードウェアとして設計されているため、変化するタスク要件や環境に適応する能力が制限されています。
一方、モジュール式ロボットは柔軟性があり、さまざまなニーズに合わせて簡単にカスタマイズできます。
形態、つまりロボットの形状と構造は、主要なパフォーマンス指標の取得コスト、サイクル タイム、エネルギー効率に大きな影響を与えます。
しかし、特定のタスクに最適なモジュール構成を特定することは依然として未解決の問題であり、タスクに合わせたモジュール式ロボットの開発において大きなハードルとなっています。
これまでのアプローチには、設計空間の適切な探索が欠けているか、複雑なタスクに適応する可能性が欠けています。
我々は、遺伝的アルゴリズムと解候補の辞書編集的評価を組み合わせて、この問題を克服し、可能な構成の数において従来の研究をはるかに超える検索空間をナビゲートすることを提案します。
私たちは、私たちのアプローチが最先端のベースラインを上回り、雑然とした環境での産業作業用のモジュール式ロボットを合成できることを実証します。

要約(オリジナル)

Industrial robots are designed as general-purpose hardware, which limits their ability to adapt to changing task requirements or environments. Modular robots, on the other hand, offer flexibility and can be easily customized to suit diverse needs. The morphology, i.e., the form and structure of a robot, significantly impacts the primary performance metrics acquisition cost, cycle time, and energy efficiency. However, identifying an optimal module composition for a specific task remains an open problem, presenting a substantial hurdle in developing task-tailored modular robots. Previous approaches either lack adequate exploration of the design space or the possibility to adapt to complex tasks. We propose combining a genetic algorithm with a lexicographic evaluation of solution candidates to overcome this problem and navigate search spaces exceeding those in prior work by magnitudes in the number of possible compositions. We demonstrate that our approach outperforms a state-of-the-art baseline and is able to synthesize modular robots for industrial tasks in cluttered environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google