基于增强现实辅助深度强化学习的模型,用于NanoDrop光谱仪的工业培训和维护
Hibah Alatawi1, Nouf Albalawi1, Ghadah Shahata1
1Department of Computer Science, Faculty of Computers and Information Technology, University of Tabuk, Tabuk 47512, Saudi Arabia.
Sensors (Basel, Switzerland)
|July 14, 2023
概括
增强现实 (AR) 通过为高效维修提供实时指导来增强工业维护. 本研究介绍了一种AR辅助的深度强化学习模型,用于光谱仪的训练和维护,实现完美的任务完成,没有变化.
科学领域:
- 工业工程 工业工程 工业工程
- 计算机科学 计算机科学
- 机器人技术 机器人技术 机器人技术
背景情况:
- 增强现实 (AR) 的采用正在增加,以提高效率和降低成本.
- 对于复杂的设备,AR提供实时指导,培训和可视化.
- 实施AR需要处理3D空间数据和校准以实现准确的集成.
研究的目的:
- 提出一个AR辅助的深度强化学习 (RL) 模型用于光谱仪训练和维护.
- 为了在工业4.0 (I4.0) 框架内实现快速修复程序.
- 通过清晰的,基于设备的说明来加强维护操作员的指导.
主要方法:
- 一个结合AR和深度RL的系统,用于资产检测和指导.
- 利用基于相机的特征匹配,跟踪和3D建模来识别目标资产.
- 在他们的设备上为维护操作员生成AR指令.
主要成果:
- 深度RL模型实现了平均奖励1000,表明最佳性能.
- 奖励的标准偏差为0.000表示所有任务的结果一致且相同.
- 该系统成功地展示了精确的AR引导维护程序.
结论:
- 拟议的AR辅助RL模型对于光谱仪的培训和维护是有效的.
- 该系统在工业4.0环境中促进了高效准确的维修流程.
- 持续的高性能表明该模型在工业应用中的可靠性.
