微型设备双入孔合规组件的技能学习方法
Yuting Wu1, Juan Zhang1, Yi Yang1
1Research Center of Laser Fusion, China Academy of Engineering Physics, Mianyang 621900, China.
Sensors (Basel, Switzerland)
|October 28, 2023
概括
双入孔微型设备组装的新技能学习方法结合了模拟和现实世界的培训. 这种方法有效地减少了组装的接触力,提高了效率,并最大限度地减少了位置和方向错误.
科学领域:
- 机器人和自动化机器人与自动化
- 微组装技术 微组装技术
- 机器学习 机器学习
背景情况:
- 微型设备组装存在由于精度要求的挑战.
- 双洞任务需要复杂的合规和控制策略.
- 现有的方法经常与现实世界的可变性和错误减少作斗争.
研究的目的:
- 为微型设备的双入孔合规组件提出一种技能学习方法.
- 通过结合线下和在线培训,提高组装效率和安全性.
- 为了减少模拟和现实条件之间的差异造成的错误.
主要方法:
- 开发了一种基于力分析和接触点搜索的双入洞模型.
- 实施了深度强化学习框架,包括专家和增量行动.
- 利用奖励系统优先考虑效率和安全,并进行动态探索以改善培训.
- 使用实验数据进行应用在线培训,以持续优化技能学习模型.
主要成果:
- 拟议的方法有效地减少了微型设备组装期间的接触力.
- 组装效率大大提高了.
- 位置和方向变化对组装成功的影响是最小的.
- 在线优化成功地减少了线下训练偏差的错误.
结论:
- 结合线下和在线技能学习方法对双入孔微组件有效.
- 这种方法提供了一个强大的解决方案,用于提高微组装任务的精度,效率和安全性.
- 持续的在线优化对于适应现实世界的复杂性和减少组装错误至关重要.
