Eine Methode zur Vermeidung von Hindernissen für Roboterarme basierend auf Reinforcement Learning

Zweck Roboterarme spielen eine entscheidende Rolle in verschiedenen industriellen Anwendungen, wie Sortierung, Montage, Handhabung und Sprühen. Traditionelle Steuerungsalgorithmen für Roboterarme haben jedoch oft Schwierigkeiten, sich bei dynamischen Hindernissen anzupassen. Diese Arbeit zielt darauf ab, eine Methode zur dynamischen Hindernisvermeidung basierend auf Reinforcement Learning vorzuschlagen, um die Echtzeitverarbeitung dynamischer Hindernisse zu adressieren. Design/Methodik/Ansatz Diese Arbeit führt eine innovative Methode ein, die ein Merkmals-Extraktionsnetzwerk integriert, welches Mechanismen zur Steuerung auf Basis traditioneller Reinforcement Learning Algorithmen verwendet. Zudem wurde ein adaptiver dynamischer Belohnungsmechanismus entwickelt, um die Hindernisvermeidungsstrategie zu optimieren. Ergebnisse Die Validierung durch die CoppeliaSim-Simulationsumgebung und vor Ort durchgeführte Tests haben die Fähigkeit der Methode gezeigt, zufällig bewegende Hindernisse effektiv zu umgehen, mit einer signifikanten Verbesserung der Konvergenzgeschwindigkeit im Vergleich zu herkömmlichen Algorithmen. Originalität/Wert Die vorgeschlagene Methode zur dynamischen Hindernisvermeidung basierend auf Reinforcement Learning erfüllt nicht nur die Aufgabe der dynamischen Hindernisvermeidung effizient, sondern bietet auch einen besonderen Vorteil hinsichtlich der Konvergenzgeschwindigkeit. Dieser Ansatz bietet eine neuartige Lösung für Methoden zur Hindernisvermeidung für Roboterarme.