FenixEdu™

Dissertação

Learning Mobile Robot's Push Action Models for Box Transportation in Logistics Application EVALUATED

Detalhes: Os robôs autónomos permitem às empresas manterem-se competitivas num mundo onde cada vez mais se incentiva a incorporação de automatização nos fatores de produção. O uso de robôs em armazéns, para automatização da sua logística, constitui um passo nesse sentido, sendo que a manipulação não preênsil poderá permitir aos robôs executar melhor as suas tarefas neste tipo de armazéns. Neste trabalho, queremos aprender modelos de ações para empurrar de um robô móvel. Para tal, usamos dados reais para treinar modelos de previsão especializados. Também queremos resolver um problema que se assemelha a uma tarefa de logística num armazém, onde um robô móvel tem de empurrar um objeto que se assemelha a uma caixa para uma determinada posição. Para tal, propomos um algoritmo de planeamento, que incorpora os modelos de previsão treinados no seu processo de planeamento. As nossas experiências mostram que os modelos aprendidos necessitam apenas de um pequeno número de empurrões por ação, para obter previsões com um exatidão razoável. Além disso, estes modelos apresentam alguma capacidade de generalização. Também demonstramos que estes modelos podem ser utilizados na resolução do nosso problema. Finalmente, propomos que em vez de usar um único modelo geral para gerar previsões, se selecione, de uma biblioteca de modelos especializados, o modelo que melhor se adeque ao objeto que estamos a empurrar. Seguindo esta abordagem, propomos um método de seleção de modelos denominado Greedy Model Selection.
Keywords: Robô Móvel, Ações de Empurrar, Seleção de Modelos, Aprendizagem de Modelos de Previsão, Ambiente Real, Planeamento de Empurrar.

Discussão: novembro 30, 2022, 10:30