Reinforcement Learning-based Virtual Fixtures for Teleoperation of Hydraulic Construction Machine

要約

遠隔操作の利用は、オペレーターが離れた場所から機械を安全に制御できるため、建設業界にとって重要な側面です。
ただし、個別のジョイスティックを使用して関節レベルでこれらの機械を遠隔操作するには、複数の自由度があるため、オペレーターが習熟するには広範なトレーニングが必要です。
さらに、マシンの動作結果の検証は実行後にのみ可能となるため、最適な制御が困難になります。
この問題に対処するために、この研究ではタスクのパフォーマンスを最適化するための強化学習ベースのアプローチを提案します。
学習によって得られた制御ポリシーは、複数の関節を効率的に制御および調整するための指示を与えるために使用されます。
提案されたフレームワークの有効性を評価するために、Brokk 170 建設機械を使用してユーザー スタディが実施され、ボーリング孔にチゼルを挿入する一般的な建設作業でのパフォーマンスを評価します。
提案されたフレームワークの有効性は、仮想フィクスチャの有無における参加者のパフォーマンスを比較することによって評価されます。
この研究結果は、建設業界における遠隔操作プロセスを強化する上で提案されたフレームワークの可能性を実証しています。

要約(オリジナル)

The utilization of teleoperation is a crucial aspect of the construction industry, as it enables operators to control machines safely from a distance. However, remote operation of these machines at a joint level using individual joysticks necessitates extensive training for operators to achieve proficiency due to their multiple degrees of freedom. Additionally, verifying the machine resulting motion is only possible after execution, making optimal control challenging. In addressing this issue, this study proposes a reinforcement learning-based approach to optimize task performance. The control policy acquired through learning is used to provide instructions on efficiently controlling and coordinating multiple joints. To evaluate the effectiveness of the proposed framework, a user study is conducted with a Brokk 170 construction machine by assessing its performance in a typical construction task involving inserting a chisel into a borehole. The effectiveness of the proposed framework is evaluated by comparing the performance of participants in the presence and absence of virtual fixtures. This study results demonstrate the proposed framework potential in enhancing the teleoperation process in the construction industry.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google