要約
使用済みの電気自動車用バッテリー(EOL-EVB)を効率的に分解することは、グリーン製造と持続可能な開発にとって極めて重要です。
自律移動マニピュレーター ロボット (AMMR) によって実行される現在の事前プログラムされた分解は、動的な環境、複雑なシナリオ、および非構造化プロセスにおける分解要件を満たすのに苦労しています。
本稿では、NeuralSymbolic AIに基づく電池分解AMMR(BEAM-1)システムを提案する。
マルチセンサーとニューラル述語の組み合わせを利用して環境状態を検出し、この情報を準記号空間に変換します。
リアルタイムで、LLM ヒューリスティック ツリー検索を通じてアクション プリミティブの最適なシーケンスを特定し、これらのプリミティブの高精度の実行を保証します。
さらに、直感的なネットワークを使用した位置推測サンプリングを採用し、綿密に設計されたエンドエフェクターでさまざまなタイプのボルトの分解を実現します。
重要なのは、BEAM-1 は、人間のように主観的な推論が可能で、直観力を備えた、継続的に学習する身体化知能システムです。
多数の実際の現場実験により、自律的に認識、決定、実行して、複数、多カテゴリー、複雑な状況でボルトの連続分解を 98.78% の成功率で完了できることが証明されています。
この研究では、NeuroSymbolic AI を使用して、ロボットに実際の自律的な推論、計画、学習能力を与えることを試みています。
BEAM-1はバッテリー分解革命を実現します。
そのフレームワークは、さまざまなアプリケーション シナリオを実現するために任意のロボット システムに簡単に移植でき、将来の具体化されたインテリジェント ロボット システムの設計と実装に画期的なアイデアを提供します。
要約(オリジナル)
The efficient disassembly of end-of-life electric vehicle batteries(EOL-EVBs) is crucial for green manufacturing and sustainable development. The current pre-programmed disassembly conducted by the Autonomous Mobile Manipulator Robot(AMMR) struggles to meet the disassembly requirements in dynamic environments, complex scenarios, and unstructured processes. In this paper, we propose a Battery Disassembly AMMR(BEAM-1) system based on NeuralSymbolic AI. It detects the environmental state by leveraging a combination of multi-sensors and neural predicates and then translates this information into a quasi-symbolic space. In real-time, it identifies the optimal sequence of action primitives through LLM-heuristic tree search, ensuring high-precision execution of these primitives. Additionally, it employs positional speculative sampling using intuitive networks and achieves the disassembly of various bolt types with a meticulously designed end-effector. Importantly, BEAM-1 is a continuously learning embodied intelligence system capable of subjective reasoning like a human, and possessing intuition. A large number of real scene experiments have proved that it can autonomously perceive, decide, and execute to complete the continuous disassembly of bolts in multiple, multi-category, and complex situations, with a success rate of 98.78%. This research attempts to use NeuroSymbolic AI to give robots real autonomous reasoning, planning, and learning capabilities. BEAM-1 realizes the revolution of battery disassembly. Its framework can be easily ported to any robotic system to realize different application scenarios, which provides a ground-breaking idea for the design and implementation of future embodied intelligent robotic systems.
arxiv情報
| 著者 | Yanlong Peng,Zhigang Wang,Yisheng Zhang,Shengmin Zhang,Nan Cai,Fan Wu,Ming Chen |
| 発行日 | 2024-07-09 06:44:20+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google