Flexible and Adaptive Manufacturing by Complementing Knowledge Representation, Reasoning and Planning with Reinforcement Learning

要約

この論文では、小バッチ生産とカスタマイズのコンテキストにおける適応型製造への新しいアプローチについて説明します。
SkiROS2 スキルベースのロボット制御プラットフォームにおけるタスクレベルの計画と推論を強化学習 (RL) と統合することに重点を置いています。
この統合により、製造におけるロボット システムの効率と適応性が向上し、ロボット システムがタスクの変動に適応し、相互作用データから学習できるようになります。
この論文では、SkiROS2 のアーキテクチャ、特にワールド モデル、スキル ライブラリ、タスク管理に焦点を当てています。
これは、RL とロボットマニピュレーターを組み合わせることで、産業タスクの実行をどのように学習し、改善できるかを示しています。
学習問題の設計を容易にする多目的学習モデルを提唱しています。
このアプローチには、ユーザーの事前の経験や以前の経験を組み込んで、学習を加速し、安全性を高めることができます。
スポットライトビデオ: https://youtu.be/H5PmZl2rRbs?si=8wmZ-gbwuSJRxe3S&t=1422 SkiROS2 コード: https://github.com/RVMI/skiros2 ROSCon での SkiROS2 トーク: https://vimeo.com/879001825/2a0e9d5412
SkiREIL コード: https://github.com/matthias-mayr/SkiREIL

要約(オリジナル)

This paper describes a novel approach to adaptive manufacturing in the context of small batch production and customization. It focuses on integrating task-level planning and reasoning with reinforcement learning (RL) in the SkiROS2 skill-based robot control platform. This integration enhances the efficiency and adaptability of robotic systems in manufacturing, enabling them to adjust to task variations and learn from interaction data. The paper highlights the architecture of SkiROS2, particularly its world model, skill libraries, and task management. It demonstrates how combining RL with robotic manipulators can learn and improve the execution of industrial tasks. It advocates a multi-objective learning model that eases the learning problem design. The approach can incorporate user priors or previous experiences to accelerate learning and increase safety. Spotlight video: https://youtu.be/H5PmZl2rRbs?si=8wmZ-gbwuSJRxe3S&t=1422 SkiROS2 code: https://github.com/RVMI/skiros2 SkiROS2 talk at ROSCon: https://vimeo.com/879001825/2a0e9d5412 SkiREIL code: https://github.com/matthias-mayr/SkiREIL

arxiv情報

提供元, 利用サービス

arxiv.jp, Google