Many-Objective-Optimized Semi-Automated Robotic Disassembly Sequences

要約

本研究では、半自動ロボット解体作業における多目的シーケンス最適化問題を扱う。この目的のために、我々は、非ドミナント型ソート遺伝的アルゴリズム（NSGA）-IIIにインスパイアされた多目的遺伝的アルゴリズム（MaOGA）アルゴリズムを、対象製品の3次元コンピュータ支援設計（CAD）モデルに格納された3次元（3D）幾何学的情報を用いて、幾何学的シミュレーションとロボットシミュレーションから導き出されたロボット分解指向の制約条件と目的関数と共に採用する。MaOGAでは、まず、ランダムな染色体ではなく、接触・接続グラフ（CCG）に基づく初期染色体セットを生成することで、局所最小値への落ち込みを回避し、繰り返し収束を実現します。この最適化では、実現可能性と安定性に関する制約を課すとともに、難易度、効率性、優先順位付け、および割り当て可能性に関する目的関数を課すことで、半自動ロボット解体に対する必須要件の下で、多くの好ましい条件を満たすシーケンスを生成する。また、NSGA-IIIにインスパイアされたMaOGAは、非ドミナントソーティングと参照線を用いたニッチングを利用することで、さらに着実で安定した探索を促し、全体の評価値を一様に下げる。複雑な製品(36部品)を対象としたシーケンス生成実験により、提案手法が一貫して実現可能で安定したシーケンスを100%の成功率で生成でき、複数の優先条件を半自動ロボット分解作業に必要な最適解に近づけることが実証された。

要約(オリジナル)

This study tasckles the problem of many-objective sequence optimization for semi-automated robotic disassembly operations. To this end, we employ a many-objective genetic algorithm (MaOGA) algorithm inspired by the Non-dominated Sorting Genetic Algorithm (NSGA)-III, along with robotic-disassembly-oriented constraints and objective functions derived from geometrical and robot simulations using 3-dimensional (3D) geometrical information stored in a 3D Computer-Aided Design (CAD) model of the target product. The MaOGA begins by generating a set of initial chromosomes based on a contact and connection graph (CCG), rather than random chromosomes, to avoid falling into a local minimum and yield repeatable convergence. The optimization imposes constraints on feasibility and stability as well as objective functions regarding difficulty, efficiency, prioritization, and allocability to generate a sequence that satisfies many preferred conditions under mandatory requirements for semi-automated robotic disassembly. The NSGA-III-inspired MaOGA also utilizes non-dominated sorting and niching with reference lines to further encourage steady and stable exploration and uniformly lower the overall evaluation values. Our sequence generation experiments for a complex product (36 parts) demonstrated that the proposed method can consistently produce feasible and stable sequences with a 100% success rate, bringing the multiple preferred conditions closer to the optimal solution required for semi-automated robotic disassembly operations.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL