ロボットアームの階層的強化学習と経路最適化を用いた適応的障害物回避

科学分野:

• ロボット工学
• 人工知能
• 動作計画

背景:

• 動的障害物回避は、ロボットアームの動作計画における重要な課題です。
• 従来のメソッドは、非構造化環境における適応的決定と正確な軌道生成に苦労しています。

研究 の 目的:

• 動的障害物回避のための新しい階層的動作計画フレームワークを提示すること。
• 複雑で非構造化された環境におけるロボットアームの能力を強化すること。

主な方法:

• プロキシマルポリシー最適化（PPO）とラピッド探索ランダムツリー（RRT*）を組み合わせた階層的フレームワーク。
• 段階的に困難なシナリオでPPOをトレーニングするためのカリキュラム学習パラダイム。
• ステップ効率と人工ポテンシャルフィールドの原則を使用して、探索と活用をバランスさせるマルチ目的報酬関数。

主要な成果:

• 動的障害物シナリオで87.6%の成功率を達成しました。
• スタンドアロンのPPOおよび既存のハイブリッド強化学習アプローチを上回りました。
• 効果的なグローバル障害物回避戦略（PPO）と洗練されたローカルトラジェクトリ（RRT*）を実証しました。

結論:

• 提案されたフレームワークは、ロボットアームにおける動的障害物回避の実用的なソリューションを提供します。
• この方法は、高次元自律操作タスクに広く適用可能です。
• 階層的アプローチは、グローバル戦略学習と精密な運動制御を効果的にバランスさせます。