Un método de programación de robots basado en rMAPPO para las celdas de trabajo de remachado y soldadura de haces H

Área de la Ciencia:

• Robótica y automatización
• Inteligencia artificial
• Ingeniería de fabricación

Sus antecedentes:

• El procesamiento automatizado de haces H implica una coordinación compleja de múltiples agentes para tareas como el remachado y la soldadura de placas de endurecimiento.
• Las células de trabajo de remachado y soldadura de haces H existentes tienen un potencial sin explotar para mejorar la productividad dentro de los marcos de fabricación inteligente.

Objetivo del estudio:

• Abordar el problema de programación de agentes múltiples en el procesamiento de haces H utilizando un nuevo algoritmo de aprendizaje por refuerzo.
• Mejorar la eficiencia de fabricación y reducir los retrasos operativos en las células de trabajo automatizadas de haces H.

Principales métodos:

• Desarrollo de un algoritmo recurrente de optimización de políticas proximales multi-agente (rMAPPO) que incorpora redes neuronales recurrentes y enmascaramiento de acción.
• Creación de un entorno de aprendizaje de refuerzo para la programación multi-agente de las tareas de procesamiento de rayos H.
• Validación del algoritmo rMAPPO en una célula de trabajo físico y su gemelo digital, comparándolo con los métodos de aprendizaje por refuerzo de múltiples agentes de referencia.

Principales resultados:

• El método de programación basado en rMAPPO reduce efectivamente los tiempos de espera de los robots en comparación con los métodos de referencia (MAPPO, MADDPG, MASAC).
• Ha demostrado una mayor capacidad de adaptación en la gestión de diversas tareas de remachado y soldadura.
• Logró mejoras significativas en la eficiencia general de fabricación de vigas H endurecidas.

Conclusiones:

• El algoritmo rMAPPO propuesto ofrece una solución robusta para la programación de agentes múltiples en la fabricación automatizada de haces H.
• Este enfoque mejora significativamente la fabricación inteligente al optimizar la coordinación de tareas robóticas y mejorar la eficiencia de la producción.
• La eficacia del método se valida tanto en plataformas físicas como simuladas, lo que pone de relieve su aplicabilidad práctica.