机构名称：
¥ 1.0
摘要 - 智能钻孔寻求洞穴是一种有前途的技术，可提高钻孔效率，减轻潜在的安全危害并减轻人类操作员。大多数现有的智能钻臂控制方法依赖于基于反向运动学的分层控制框架。但是，由于反向运动学的计算复杂性以及多个关节的顺序执行效率低下，这些方法通常是耗时的。为了应对这些挑战，本研究提出了一种基于强化学习（RL）的综合钻孔控制方法。我们开发了一个集成的钻臂控制框架，该框架利用参数化策略在每个时间步骤中直接为所有关节生成控制输入，利用关节姿势和目标孔信息。通过将寻求洞穴的任务制定为马尔可夫决策过程，可以直接使用当代主流RL算法来学习寻求洞穴的政策，从而消除了对逆动力学解决方案的需求并促进合作的多关节控制。为了在整个钻井过程中提高钻孔精度，我们设计了一种结合Denavit-Hartenberg联合信息并预览寻求洞穴差异数据的状态表示。仿真结果表明，就寻求洞的准确性和时间效率而言，所提出的方法显着优于传统方法。索引术语 - 强化学习，集成的钻头控制，寻求孔，机器人臂
通过加强学习的集成钻头寻求洞控制
主要关键词
相关文件推荐
