• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Industrial Technology >Automatic Parameter Learning for Easy Instruction of Industrial Collaborative Robots
【24h】

Automatic Parameter Learning for Easy Instruction of Industrial Collaborative Robots

机译：自动参数学习，便于工业协作机器人指导

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The manufacturing industry faces challenges in meeting requirements of flexibility, product variability and small batch sizes. Automation of high mix, low volume productions requires faster (re)configuration of manufacturing equipment. These demands are to some extend accommodated by collaborative robots. Certain actions can still be hard or impossible to manually adjust due to inherent process uncertainties. This paper proposes a generic iteratively learning approach based on Bayesian Optimisation to efficiently search for the optimal set of process parameters. The approach takes into account the process uncertainties by iteratively making a statistical founded choice on the next parameter-set to examine only based on the prior binomial outcomes. Moreover, our function estimator uses Wilson Score to make proper estimates on the success probability and the associated uncertain measure of sparsely sampled regions. The function estimator also generalises the experiment outcomes to the neighbour region through kernel smoothing by integrating Kernel Density Estimation. Our approach is applied to a real industrial task with significant process uncertainties, where sufficiently robust process parameters cannot intuitively be chosen. Using our approach, a collaborative robot automatically finds a reliable solution.
机译：制造业面临满足灵活性，产品变异性和小批量尺寸的挑战。高混合的自动化，低体积制作需要更快的（重新）制造设备的配置。这些要求是由协同机器人提供的一些延伸。由于固有的过程不确定性，某些动作仍然是难以或不可能手动调整。本文提出了一种基于贝叶斯优化的通用迭代学习方法，以有效地搜索最佳过程参数集。该方法通过迭代地在下一个参数集上迭代地制作统计创立的选择来考虑到过程不确定性，以基于先前的二项式结果来检查。此外，我们的功能估算器使用威尔逊分数来对稀疏采样区域的成功概率和相关不确定措施进行适当的估计。功能估计器还通过整合核密度估计来通过内核平滑来推广到邻居区域的实验结果。我们的方法适用于具有重要过程不确定性的真正工业任务，其中不可能选择足够强大的过程参数。使用我们的方法，协作机器人自动找到可靠的解决方案。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号