Dynamic Throwing with Robotic Material Handling Machines

要約

油圧マテリアルハンドリング機械の自動化は、現在、半静的なピックアンドプレースサイクルに限定されています。
受動ジョイントを利用したダイナミックな投球動作により、時間効率が大幅に向上するだけでなく、投棄作業スペースも増加します。
この研究では、強化学習 (RL) を使用して、物流で一般的に使用される、作動が不十分なアームを備えたマテリアル ハンドラー用の動的コントローラーを設計します。
コントローラーは、シミュレーションと 12 トンのテスト プラットフォームでの実際の実験の両方でテストされます。
この方法は、グリッパーの受動的ジョイントを利用して、動的な投球動作を実行することができます。
提案されたコントローラーを使用すると、マシンは実際のアプリケーションに適した精度で、静的到達可能ゾーンの外側のターゲットに個々のオブジェクトを投げることができます。
この研究は、RL を使用して重機を使用した非常に動的なタスクを実行できる可能性を示しており、自律的なマテリアルハンドリングタスクの効率と精度を向上させる可能性を示唆しています。

要約(オリジナル)

Automation of hydraulic material handling machinery is currently limited to semi-static pick-and-place cycles. Dynamic throwing motions which utilize the passive joints, can greatly improve time efficiency as well as increase the dumping workspace. In this work, we use Reinforcement Learning (RL) to design dynamic controllers for material handlers with underactuated arms as commonly used in logistics. The controllers are tested both in simulation and in real-world experiments on a 12-ton test platform. The method is able to exploit the passive joints of the gripper to perform dynamic throwing motions. With the proposed controllers, the machine is able to throw individual objects to targets outside the static reachability zone with good accuracy for its practical applications. The work demonstrates the possibility of using RL to perform highly dynamic tasks with heavy machinery, suggesting a potential for improving the efficiency and precision of autonomous material handling tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google