A Unification Between Deep-Learning Vision, Compartmental Dynamical Thermodynamics, and Robotic Manipulation for a Circular Economy

要約

線形経済から循環経済への移行は、材料供給と廃棄物の発生の不確実性を同時に軽減する可能性を秘めています。
しかし、これまでのところ、ロボットシステム、より一般的には自律システムの開発は、運用コストや廃棄物処理による汚染リスクを削減できる可能性があるにもかかわらず、循環経済の導入戦略に組み込まれることはほとんどありません。
さらに、円形性の科学には、モデルの精度と再現性を向上させるために必要な物理的基盤がまだ不足しています。
したがって、この論文では、深層学習ビジョン、コンパートメント動的熱力学、およびロボット操作を、理論的に一貫した物理学に基づいた研究フレームワークに統合して、材料の循環流設計の基礎を築きます。
提案されたフレームワークは、動的システム理論で強化されたランキン サイクルの設計アプローチを一般化することにより、循環性に取り組みます。
これは、主にマテリアルフロー分析（MFA）などのデータ分析に基づく循環経済への最先端のアプローチとは異なります。
我々は、上記の 3 つの研究分野の文献をレビューすることから始め、次に、提案された統一フレームワークを紹介し、ロボットによる廃棄物分別の強化学習制御の初期シミュレーション結果とともに、プラスチック システムへのフレームワークの初期適用について報告します。
これは、フレームワークの適用性、一般性、スケーラビリティ、および人工ニューラル システムの最適化と提案されたコンパートメント ネットワークの類似点と相違点を示しています。
最後に、循環経済におけるロボット工学の機会がまだ十分に活用されていないことと、提案されている循環性フレームワークの理論と実践における将来の課題について説明します。

要約(オリジナル)

The shift from a linear to a circular economy has the potential to simultaneously reduce uncertainties of material supplies and waste generation. However, to date, the development of robotic and, more generally, autonomous systems have been rarely integrated into circular economy implementation strategies despite their potential to reduce the operational costs and the contamination risks from handling waste. In addition, the science of circularity still lacks the physical foundations needed to improve the accuracy and the repeatability of the models. Hence, in this paper, we merge deep-learning vision, compartmental dynamical thermodynamics, and robotic manipulation into a theoretically-coherent physics-based research framework to lay the foundations of circular flow designs of materials. The proposed framework tackles circularity by generalizing the design approach of the Rankine cycle enhanced with dynamical systems theory. This differs from state-of-the-art approaches to circular economy, which are mainly based on data analysis, e.g., material flow analysis (MFA). We begin by reviewing the literature of the three abovementioned research areas, then we introduce the proposed unified framework and we report the initial application of the framework to plastics systems along with initial simulation results of reinforcement-learning control of robotic waste sorting. This shows the framework applicability, generality, scalability, and the similarity and difference between the optimization of artificial neural systems and the proposed compartmental networks. Finally, we discuss the still not fully exploited opportunities for robotics in circular economy and the future challenges in the theory and practice of the proposed circularity framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google