کنترل تطبیقی چند حسی مبتنی بر مدلهای Vision-Language-Action (VLA) برای رباتهای مشارکتی در تعامل با اشیاء با سفتی متغیر

ربات های مشارکتی یا کوبات ها تازه ترین نسل از ربات های صنعتی هستند که قرار است در کنار انسان کار کنند. اما این ربات ها هنوز در تعامل با اشیاء با جنس های مختلف مشکل دارند. یک ربات ممکن است یک قطعه پلاستیک نرم را له کند یا یک قطعه فلزی سخت را رها کند. روش های سنتی کنترل مثل امپدانس از قبل نیاز دارند که جنس شیء را بدانند و اگر شیء عوض شود دقت خود را از دست می دهند. در این مقاله روشی جدید پیشنهاد شده که در آن از سه ایده با هم استفاده شده است: اول داده های چندحسی تصویر، نیرو و حس لامسه برای درک بهتر محیط، دوم، یک کنترل کننده ی فازی که ضرایب کنترل را در لحظه تنظیم می کند، سوم یادگیری تقویتی عمیق که مسیر حرکت ربات را بهینه می کند. برای انتقال از شبیه ساز به دنیای واقعی هم از روش SPDR استفاده کرده ایم. آزمایشات در محیط Gazebo با ربات UR۱۰ انجام شد. نتایج نشان داد که روش پیشنهادی خطای ردیابی را نسبت به روش کلاسیک ۴۲ درصد کاهش می دهد و حرکت ربات را نرم تر می کند که برای کار در کنار انسان خیلی مهم است. نرخ موفقیت روش در سخت ترین شرایط تغییر ناگهانی جنس (قطعه) به ۹۴.۲ درصد رسید. این نتایج با کارهای جدید در این حوزه همخوانی خوبی دارد.

کلیدواژه ها:

Vision-Language-Action ، ربات مشارکتی ، کنترل فازی ، یادگیری تقویتی ، داده های چند حسی ، سرووینگ بصری ، صنعت ۵.۰