Smart Placement, Faster Robots — A Comparison of Algorithms for Robot Base-Pose Optimization

要約

ロボットオートメーションは、製造プロセスの効率と柔軟性を向上させる重要なテクノロジーです。
ただし、新しい環境でロボットを展開する際の課題の1つは、ロボットの最適なベースポーズを見つけることです。これは、その到達可能性と展開コストに影響します。
しかし、ロボットのベースポーズを自動的に最適化するための既存の研究は比較されていません。
ベイジアンの最適化、徹底的な検索、遺伝的アルゴリズム、および確率的勾配降下を備えた産業用ロボットの基本ポーズを最適化することにより、この問題に対処し、すべてのアルゴリズムが合成および現実世界の環境でのさまざまな評価されたタスクのサイクル時間を短縮できることがわかります。
確率的勾配降下は、実世界のタスクの90％以上を解く成功率に関して優れた性能を示し、遺伝的アルゴリズムは最終コストが最も低いことを示しています。
すべてのベンチマークと実装されたメソッドは、新しいアプローチを比較できるベースラインとして利用できます。

要約(オリジナル)

Robotic automation is a key technology that increases the efficiency and flexibility of manufacturing processes. However, one of the challenges in deploying robots in novel environments is finding the optimal base pose for the robot, which affects its reachability and deployment cost. Yet, the existing research for automatically optimizing the base pose of robots has not been compared. We address this problem by optimizing the base pose of industrial robots with Bayesian optimization, exhaustive search, genetic algorithms, and stochastic gradient descent and find that all algorithms can reduce the cycle time for various evaluated tasks in synthetic and real-world environments. Stochastic gradient descent shows superior performance with regard to success rate solving over 90% of our real-world tasks, while genetic algorithms show the lowest final costs. All benchmarks and implemented methods are available as baselines against which novel approaches can be compared.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google