論文の概要: A reinforcement learning based construction material supply strategy
using robotic crane and computer vision for building reconstruction after an
earthquake
- arxiv url: http://arxiv.org/abs/2308.16280v1
- Date: Wed, 30 Aug 2023 19:13:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-01 18:28:39.508020
- Title: A reinforcement learning based construction material supply strategy
using robotic crane and computer vision for building reconstruction after an
earthquake
- Title（参考訳）: ロボットクレーンを用いた強化学習による建築材料供給戦略と震災復興のためのコンピュータビジョン
- Authors: Yifei Xiao, T.Y. Yang, Xiao Pan, Fan Xie and Zhongwei Chen
- Abstract要約: 本稿では, 地震後のインフラ再建のために, 高度なAIアルゴリズムを備えたロボットクレーンを提案する。
強化学習(RL)アルゴリズムであるPPOは,3次元リフト経路計画のために実装されている。
PPOアルゴリズムを用いて異なる環境における負荷タスクを通じて2つのモデルを訓練し,その1つは障害物の影響を考慮し,もう1つは障害物を考慮しない。
- 参考スコア（独自算出の注目度）: 7.0046513193263165
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: After an earthquake, it is particularly important to provide the necessary
resources on site because a large number of infrastructures need to be repaired
or newly constructed. Due to the complex construction environment after the
disaster, there are potential safety hazards for human labors working in this
environment. With the advancement of robotic technology and artificial
intelligent (AI) algorithms, smart robotic technology is the potential solution
to provide construction resources after an earthquake. In this paper, the
robotic crane with advanced AI algorithms is proposed to provide resources for
infrastructure reconstruction after an earthquake. The proximal policy
optimization (PPO), a reinforcement learning (RL) algorithm, is implemented for
3D lift path planning when transporting the construction materials. The state
and reward function are designed in detail for RL model training. Two models
are trained through a loading task in different environments by using PPO
algorithm, one considering the influence of obstacles and the other not
considering obstacles. Then, the two trained models are compared and evaluated
through an unloading task and a loading task in simulation environments. For
each task, two different cases are considered. One is that there is no obstacle
between the initial position where the construction material is lifted and the
target position, and the other is that there are obstacles between the initial
position and the target position. The results show that the model that
considering the obstacles during training can generate proper actions for the
robotic crane to execute so that the crane can automatically transport the
construction materials to the desired location with swing suppression, short
time consumption and collision avoidance.
- Abstract（参考訳）: 地震の後、多くのインフラを修復または新設する必要があるため、現場で必要な資源を提供することが特に重要である。
災害後の複雑な建設環境のため、この環境で働く人手にとって潜在的に安全上の危険がある。
ロボット技術と人工知能(AI)アルゴリズムの進歩により、スマートロボット技術は地震後の建設資源を提供する潜在的な解決策となる。
本稿では, 地震後のインフラ再建のために, 高度なAIアルゴリズムを備えたロボットクレーンを提案する。
補強学習(rl)アルゴリズムであるppo(proximal policy optimization)は、建設資材を輸送する際の3次元リフトパス計画のために実装されている。
状態と報酬関数は、RLモデルのトレーニングのために詳細に設計されている。
PPOアルゴリズムを用いて異なる環境における負荷タスクを通じて2つのモデルを訓練し,その1つは障害物の影響を考慮し,もう1つは障害物を考慮しない。
次に、シミュレーション環境におけるアンロードタスクとロードタスクを用いて、2つのトレーニングされたモデルを比較し、評価する。
各作業ごとに2つの異なるケースが考慮される。
一つは、建設資材を持ち上げる初期位置と目標位置との間に障害物がなく、もう一つは、初期位置と目標位置との間に障害物が存在することである。
以上の結果から, ロボットクレーンは, 揺動抑制, 短時間の消費, 衝突回避により, 建設資材を所望の場所に自動搬送できるように, ロボットクレーンに適切な動作を生じさせる可能性が示唆された。
関連論文リスト
- Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。
そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。
Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
論文 参考訳（メタデータ） (2024-08-29T20:22:22Z) - Rapid post-disaster infrastructure damage characterisation enabled by remote sensing and deep learning technologies -- a tiered approach [0.4837072536850576]
交通網や橋梁は戦争中は体系的に標的にされ、自然災害時には被害を受ける。
複数スケールで損傷を自動評価する手法は存在しない。
この能力ギャップを埋める統合的,マルチスケールな階層化手法を提案する。
論文 参考訳（メタデータ） (2024-01-31T11:36:12Z) - RoboGen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation [68.70755196744533]
RoboGenはジェネレーティブなロボットエージェントで、ジェネレーティブなシミュレーションを通じて、さまざまなロボットのスキルを自動的に学習する。
我々の研究は、大規模モデルに埋め込まれた広範囲で多目的な知識を抽出し、それらをロボット工学の分野に移す試みである。
論文 参考訳（メタデータ） (2023-11-02T17:59:21Z) - Robotic Handling of Compliant Food Objects by Robust Learning from
Demonstration [79.76009817889397]
本稿では,食品に適合する物体をロボットで把握する上で,実証からの学習(LfD)に基づく頑健な学習方針を提案する。
教師の意図した方針を推定し,無矛盾な実演を自動的に除去するLfD学習ポリシーを提案する。
提案されたアプローチは、前述の業界セクターで幅広い応用が期待できる。
論文 参考訳（メタデータ） (2023-09-22T13:30:26Z) - Cloud-Based Hierarchical Imitation Learning for Scalable Transfer of
Construction Skills from Human Workers to Assisting Robots [0.0]
本稿では,没入型クラウドロボティクスによる仮想実演フレームワークを提案する。
デモプロセスをデジタル化し、重い建設物の反復的な物理的操作を不要にする。
この枠組みは、人間の訓練を受けたロボットに建設作業の物理的歪みを委譲することにより、多様な身体能力を持つ労働者の参加を促進する。
論文 参考訳（メタデータ） (2023-09-20T20:04:42Z) - Robot-Enabled Construction Assembly with Automated Sequence Planning
based on ChatGPT: RoboGPT [3.4107729935810944]
本稿では,ChatGPTの高度な推論機能を活用した新しいシステムであるRoboGPTを紹介する。
提案システムはChatGPTを構築シーケンス計画に適用し,その実現可能性と有効性を示す。
その結果,RoboGPTを駆動するロボットは複雑な建設作業に対処し,飛行中の変化に適応できることがわかった。
論文 参考訳（メタデータ） (2023-04-21T15:04:41Z) - Learning Design and Construction with Varying-Sized Materials via
Prioritized Memory Resets [30.993174896902357]
ロボットは、ブループリントなしで、さまざまなサイズのブロックから橋の設計と構築を自律的に学べるだろうか?
ロボットは、ブロックの操作と輸送のために、物理的に安定した設計スキームと実行可能なアクションを見つけなければならない。
本稿では,高レベルの建築指示を提案する強化学習設計者と,低レベルのブロックを操作する動作計画に基づくアクションジェネレータからなる,この問題に対する階層的アプローチを提案する。
論文 参考訳（メタデータ） (2022-04-12T03:45:48Z) - ADAPT: An Open-Source sUAS Payload for Real-Time Disaster Prediction and
Response with AI [55.41644538483948]
小型無人航空機システム(sUAS)は、多くの人道支援や災害対応作戦において顕著な構成要素となっている。
我々は,SUAS上にリアルタイムAIとコンピュータビジョンをデプロイするための,オープンソースのADAPTマルチミッションペイロードを開発した。
本研究では,河川氷の状態を監視し,破滅的な洪水現象をタイムリーに予測するための,リアルタイム・飛行中の氷分断の例を示す。
論文 参考訳（メタデータ） (2022-01-25T14:51:19Z) - AI Agents in Emergency Response Applications [0.0]
救急隊員は、火災、医療、有害物質、産業事故、自然災害など様々な状況に対応している。
ミッションクリティカルな"エッジAI"の状況では、低レイテンシで信頼性の高い分析が必要になります。
本稿では、5Gサービスベースのアーキテクチャを介してAIエージェントをデプロイするためのエージェントベースアーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-09-10T03:24:50Z) - Habitat 2.0: Training Home Assistants to Rearrange their Habitat [122.54624752876276]
インタラクティブな3D環境で仮想ロボットを訓練するためのシミュレーションプラットフォームHabitat 2.0(H2.0)を紹介する。
エンボディされたAIスタックのすべてのレベル – データ、シミュレーション、ベンチマークタスク – にコントリビューションを行います。
論文 参考訳（メタデータ） (2021-06-28T05:42:15Z) - Simultaneous Navigation and Construction Benchmarking Environments [73.0706832393065]
モバイル構築のためのインテリジェントなロボット、環境をナビゲートし、幾何学的設計に従ってその構造を変更するプロセスが必要です。
このタスクでは、ロボットのビジョンと学習の大きな課題は、GPSなしでデザインを正確に達成する方法です。
我々は,手工芸政策の性能を,基礎的なローカライゼーションと計画,最先端の深層強化学習手法を用いて評価した。
論文 参考訳（メタデータ） (2021-03-31T00:05:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。