A Peg-in-hole Task Strategy for Holes in Concrete

要約

産業用ロボットがコンクリートの穴にペグインホール作業を実行できるようにする方法が提案されています。
提案された方法では、コンクリートの高い摩擦係数による悪影響を避けるために、探索位置間を移動するときにペグを壁からわずかに外す必要があります。
強化学習によってトレーニングされたディープ ニューラル ネットワーク (DNN) を使用し、分析モデリングや制御パラメーターの調整を行わずに、形状や表面仕上げが (コンクリートの脆い性質により) 変化する穴を効果的に見つけます。
この方法では、力とトルクに加えて、壁面に向かうペグの変位を DNN の入力の 1 つとして使用します。
ペグが穴に近づくにつれて変位が増加するため (コンクリートの穴の面取り形状により)、DNN への入力に便利なパラメーターです。
提案された方法は、穴に対して DNN を 500 回トレーニングし、12 個の未知の穴を見つけることを試みることによって評価されました。
評価の結果、DNN によりロボットは平均成功率 96.1%、平均実行時間 12.5 秒で未知の穴を発見できたことがわかりました。
ランダムな初期位置と異なるタイプのペグを使用した追加の評価は、トレーニングされた DNN がさまざまな条件に適切に一般化できることを示しています。
ペグ変位入力の影響を分析したところ、このパラメータを利用することで DNN の成功率が向上することがわかりました。
これらの結果は、提案された方法の有効性と建設業界への適用可能性を検証します。

要約(オリジナル)

A method that enables an industrial robot to accomplish the peg-in-hole task for holes in concrete is proposed. The proposed method involves slightly detaching the peg from the wall, when moving between search positions, to avoid the negative influence of the concrete’s high friction coefficient. It uses a deep neural network (DNN), trained via reinforcement learning, to effectively find holes with variable shape and surface finish (due to the brittle nature of concrete) without analytical modeling or control parameter tuning. The method uses displacement of the peg toward the wall surface, in addition to force and torque, as one of the inputs of the DNN. Since the displacement increases as the peg gets closer to the hole (due to the chamfered shape of holes in concrete), it is a useful parameter for inputting in the DNN. The proposed method was evaluated by training the DNN on a hole 500 times and attempting to find 12 unknown holes. The results of the evaluation show the DNN enabled a robot to find the unknown holes with average success rate of 96.1% and average execution time of 12.5 seconds. Additional evaluations with random initial positions and a different type of peg demonstrate the trained DNN can generalize well to different conditions. Analyses of the influence of the peg displacement input showed the success rate of the DNN is increased by utilizing this parameter. These results validate the proposed method in terms of its effectiveness and applicability to the construction industry.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google