Zastosowanie metod uczenia ze wzmocnieniem do sterowania robotem przemysłowym współpracującym z człowiekiem
[ 1 ] Instytut Technologii Mechanicznej, Wydział Inżynierii Mechanicznej, Politechnika Poznańska | [ P ] pracownik
[ 1 ] Instytut Technologii Mechanicznej, Wydział Inżynierii Mechanicznej, Politechnika Poznańska | [ P ] pracownik
EN Application of Reinforcement Learning algorithms to control an industrial robot cooperating with human
polski
- uczenie ze wzmocnieniem
- ramię robota
- współpraca człowiek-robot
- omijanie przeszkód
- śledzenie trajektorii
- Reinforcement Learning
- robotic arm
- human-robot cooperation
- obstacle avoidance
- trajectory following
PL W pracy podjęto problematykę dotyczącą zastosowania metod sztucznej inteligencji do sterowania robotem przemysłowym, pracującym we wspólnej strefie roboczej z człowiekiem. Głównym celem pracy było opracowanie systemu sterowania robotem, aby wykrywał i omijał on przeszkody niespodziewanie pojawiające się na jego zadanej trajektorii ruchu. Zaproponowane rozwiązanie pozwoliło na jego zastosowanie do zapewnienia bezpiecznej współpracy człowieka i robota przemysłowego, we współdzielonej strefie roboczej. Dzięki temu, możliwy był jednoczesny dostęp człowieka i robota do tej samej strefy. Do opracowania systemu sterowania zastosowano algorytmy uczenia ze wzmocnieniem, a do wykrywania przeszkód w polu roboczym robota zaprojektowano i zbudowano dedykowaną głowicę z laserowymi czujnikami odległości, zamontowaną na kiści manipulatora. Wykonane badania, potwierdziły możliwość pracy człowieka i robota przemysłowego we wspólnej strefie roboczej. Wykazano, że zastosowanie metod uczenia ze wzmocnieniem bazujących na sztucznej inteligencji, pozwala na bezpieczne sterowanie robotem współpracującym z człowiekiem.
EN This thesis presents the issues related to the application of artificial intelligence methods to control an industrial robot operating in a shared workspace with a human being. The main goal of the thesis was to develop a robot control system that would detect and avoid obstacles, that unexpectedly appears on its given motion trajectory. The proposed solution allowed for its use to ensure safe cooperation between human and an industrial robot in a shared workspace. As a result, simultaneous human and robot access to the same space was possible. To develop the control system, Reinforcement Learning (RL) algorithms were used, and to detect obstacles in the workspace of the robot, a head with laser distance sensors was designed, built, and mounted on the manipulator’s wrist. The tests carried out confirmed the possibility of human and industrial robot cooperating in a shared workspace. It has been shown that the use of RL methods based on artificial intelligence allows for the safe control of a robot cooperating with a human.
138
nauki inżynieryjne i techniczne
inżynieria mechaniczna
DrOIN 2261
publiczny
Krzysztof J. Kaliński
Gdańsk, Polska
30.12.2022
polski
publiczny
Mirosław Pajor
Szczecin, Polska
08.01.2023
polski
publiczny
Piotr Woś
Kielce, Polska
03.01.2023
polski
publiczny
rozprawa doktorska
Poznań, Polska
01.03.2023
Rada Dyscypliny Inżynieria Mechaniczna Politechniki Poznańskiej
doktor nauk inżynieryjno-technicznych w dyscyplinie: inżynieria mechaniczna