Optimizing Collaborative Robotics since Pre-Deployment via Cyber-Physical Systems’ Digital Twins

要約

人間とロボットのコラボレーションには、ロボットの認識、推論、動作だけでなく、ロボット セルの設計においてもパラダイム シフトが必要です。
この論文では、導入前段階でデジタルツインを使用して協調ロボットセルを設計するための最適化フレームワークを提案します。
このアプローチでは、ベイジアン最適化を使用して経験に基づく次善の設計の制限を緩和し、一定回数の反復後に最適なレイアウトを見つけます。
生産 KPI をブラックボックス最適化フレームワークに統合することにより、デジタル ツインはデータ主導の意思決定をサポートし、高価なプロトタイプの必要性を削減し、アルゴリズムの学習特性により継続的な改善を保証します。
この論文では、この方法論をどのように適用して、より安全で、より効率的で、適応性のある人間とロボットの協働環境を実現できるかを示す予備的な結果を含むケーススタディを紹介します。

要約(オリジナル)

The collaboration between humans and robots re-quires a paradigm shift not only in robot perception, reasoning, and action, but also in the design of the robotic cell. This paper proposes an optimization framework for designing collaborative robotics cells using a digital twin during the pre-deployment phase. This approach mitigates the limitations of experience-based sub-optimal designs by means of Bayesian optimization to find the optimal layout after a certain number of iterations. By integrating production KPIs into a black-box optimization frame-work, the digital twin supports data-driven decision-making, reduces the need for costly prototypes, and ensures continuous improvement thanks to the learning nature of the algorithm. The paper presents a case study with preliminary results that show how this methodology can be applied to obtain safer, more efficient, and adaptable human-robot collaborative environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google