Multi-Arm Robot Task Planning for Fruit Harvesting Using Multi-Agent Reinforcement Learning

要約

収穫ロボットの出現は、限られた農業労働力と果物の需要の増加の問題に対する有望な解決策を提供します。
収穫ロボット工学の分野における顕著な進歩にもかかわらず、果樹園におけるそのような技術の利用はまだ限られています。
重要な課題は、運用効率を改善することです。
内部アームの競合、DoF の結合、および動的タスクを考慮して、本論文では 4 つのアームを持つ収穫ロボットのタスク計画戦略を提案します。
提案された方法は、マルコフ ゲーム フレームワークを使用して 4 アーム ロボット収穫タスクを定式化します。これにより、NP 困難なスケジューリング問題を解決する計算の複雑さが回避されます。
さらに、完全に集中化されたコラボレーション プロトコルを備えたマルチエージェント強化学習 (MARL) 構造を使用して、MAR ベースのタスク プランニング ネットワークをトレーニングします。
いくつかのシミュレーションと果樹園実験を行って、既存の方法と比較してマルチアーム収穫ロボットに対する提案方法の有効性を検証します。

要約(オリジナル)

The emergence of harvesting robotics offers a promising solution to the issue of limited agricultural labor resources and the increasing demand for fruits. Despite notable advancements in the field of harvesting robotics, the utilization of such technology in orchards is still limited. The key challenge is to improve operational efficiency. Taking into account inner-arm conflicts, couplings of DoFs, and dynamic tasks, we propose a task planning strategy for a harvesting robot with four arms in this paper. The proposed method employs a Markov game framework to formulate the four-arm robotic harvesting task, which avoids the computational complexity of solving an NP-hard scheduling problem. Furthermore, a multi-agent reinforcement learning (MARL) structure with a fully centralized collaboration protocol is used to train a MARL-based task planning network. Several simulations and orchard experiments are conducted to validate the effectiveness of the proposed method for a multi-arm harvesting robot in comparison with the existing method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google