Machine Learning Meets Advanced Robotic Manipulation

要約

自動化された産業は、高品質の生産、製造コストの削減、人的資源の有効活用につながります。
ロボットマニピュレーターアームは自動化プロセスにおいて重要な役割を果たします。
ただし、複雑な操作タスクの場合、効率的で安全な軌道をハードコーディングするのは困難で時間がかかります。
機械学習手法には、専門家のデモンストレーションに基づいてそのようなコントローラーを学習できる可能性があります。
有望な進歩にもかかわらず、トレーニングと展開の両方の段階で ML 手法の安全性、信頼性、効率を向上させるためには、より良いアプローチを開発する必要があります。
この調査は、現実世界の操作タスクに適用される ML 手法に関する最先端のテクノロジーと最近の傾向をレビューすることを目的としています。
ML に関連する背景を確認した後、この文書の残りの部分では、産業、医療、農業、宇宙、軍事、捜索救助などのさまざまな分野での ML アプリケーションについて説明します。
この論文は、将来の研究のための重要な研究の方向性で締めくくられています。

要約(オリジナル)

Automated industries lead to high quality production, lower manufacturing cost and better utilization of human resources. Robotic manipulator arms have major role in the automation process. However, for complex manipulation tasks, hard coding efficient and safe trajectories is challenging and time consuming. Machine learning methods have the potential to learn such controllers based on expert demonstrations. Despite promising advances, better approaches must be developed to improve safety, reliability, and efficiency of ML methods in both training and deployment phases. This survey aims to review cutting edge technologies and recent trends on ML methods applied to real-world manipulation tasks. After reviewing the related background on ML, the rest of the paper is devoted to ML applications in different domains such as industry, healthcare, agriculture, space, military, and search and rescue. The paper is closed with important research directions for future works.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google