論文の概要: Revolutionizing Battery Disassembly: The Design and Implementation of a Battery Disassembly Autonomous Mobile Manipulator Robot(BEAM-1)
- arxiv url: http://arxiv.org/abs/2407.06590v1
- Date: Tue, 9 Jul 2024 06:44:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-10 19:05:47.837700
- Title: Revolutionizing Battery Disassembly: The Design and Implementation of a Battery Disassembly Autonomous Mobile Manipulator Robot(BEAM-1)
- Title（参考訳）: 電池解体の革命:電池解体自律移動マニピュレータロボット(BEAM-1)の設計と実装
- Authors: Yanlong Peng, Zhigang Wang, Yisheng Zhang, Shengmin Zhang, Nan Cai, Fan Wu, Ming Chen,
- Abstract要約: 本稿では,NeuralSymbolic AIに基づく電池分解AMMR(BEAM-1)システムを提案する。
マルチセンサーと神経述語の組み合わせを利用して環境状態を検出し、その情報を準記号空間に変換する。
リアルタイムに LLM-heuristic tree search を用いてアクションプリミティブの最適なシーケンスを特定し、これらのプリミティブの高精度な実行を保証する。
- 参考スコア（独自算出の注目度）: 5.6751825724842035
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The efficient disassembly of end-of-life electric vehicle batteries(EOL-EVBs) is crucial for green manufacturing and sustainable development. The current pre-programmed disassembly conducted by the Autonomous Mobile Manipulator Robot(AMMR) struggles to meet the disassembly requirements in dynamic environments, complex scenarios, and unstructured processes. In this paper, we propose a Battery Disassembly AMMR(BEAM-1) system based on NeuralSymbolic AI. It detects the environmental state by leveraging a combination of multi-sensors and neural predicates and then translates this information into a quasi-symbolic space. In real-time, it identifies the optimal sequence of action primitives through LLM-heuristic tree search, ensuring high-precision execution of these primitives. Additionally, it employs positional speculative sampling using intuitive networks and achieves the disassembly of various bolt types with a meticulously designed end-effector. Importantly, BEAM-1 is a continuously learning embodied intelligence system capable of subjective reasoning like a human, and possessing intuition. A large number of real scene experiments have proved that it can autonomously perceive, decide, and execute to complete the continuous disassembly of bolts in multiple, multi-category, and complex situations, with a success rate of 98.78%. This research attempts to use NeuroSymbolic AI to give robots real autonomous reasoning, planning, and learning capabilities. BEAM-1 realizes the revolution of battery disassembly. Its framework can be easily ported to any robotic system to realize different application scenarios, which provides a ground-breaking idea for the design and implementation of future embodied intelligent robotic systems.
- Abstract（参考訳）: 終末期電気自動車電池(EOL-EVB)の効率的な分解は、グリーン製造と持続可能な開発に不可欠である。
自律移動マニピュレータロボット(AMMR)による現在のプログラムによる分解は、動的環境、複雑なシナリオ、非構造化プロセスにおける分解要求を満たすのに苦労している。
本稿では,NeuralSymbolic AIに基づく電池分解AMMR(BEAM-1)システムを提案する。
マルチセンサーと神経述語の組み合わせを利用して環境状態を検出し、その情報を準記号空間に変換する。
リアルタイムに LLM-heuristic tree search を用いてアクションプリミティブの最適なシーケンスを特定し、これらのプリミティブの高精度な実行を保証する。
さらに、直感的なネットワークを用いた位置投機的サンプリングを採用し、細心の注意を払って設計されたエンドエフェクタで様々なボルト型の分解を実現する。
BEAM-1は、人間のような主観的推論を可能とし、直観を持つ、継続的に学習する具体的知能システムである。
多数の実シーン実験により、ボルトの連続的な分解を、複数の、複数のカテゴリ、複雑な状況において、98.78%の成功率で、自律的に知覚し、決定し、実行できることが証明された。
この研究は、NeuroSymbolic AIを使って、ロボットに真の自律的推論、計画、学習能力を与える。
BEAM-1は電池分解の革命を実現する。
そのフレームワークは、さまざまなアプリケーションシナリオを実現するために、どんなロボットシステムにも容易に移植できる。
関連論文リスト
- Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。
現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。
本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
論文 参考訳（メタデータ） (2024-07-02T21:00:30Z) - Imperative Learning: A Self-supervised Neural-Symbolic Learning Framework for Robot Autonomy [31.818923556912495]
我々は,ロボット自律のための自己教師型ニューラルシンボリック(NeSy)計算フレームワーク,インペラティブラーニング(IL)を導入する。
ILを2段階最適化(BLO)として定式化し、3つのモジュール間の相互学習を可能にする。
ILはロボットの自律性を大幅に向上させ、多様な領域にわたるさらなる研究を促進することを期待している。
論文 参考訳（メタデータ） (2024-06-23T12:02:17Z) - RoboCodeX: Multimodal Code Generation for Robotic Behavior Synthesis [102.1876259853457]
汎用ロボット行動合成のための木構造多モードコード生成フレームワークRoboCodeXを提案する。
RoboCodeXは、高レベルの人間の命令を複数のオブジェクト中心の操作ユニットに分解する。
概念的および知覚的理解を制御コマンドにマッピングする能力をさらに強化するため、事前学習のための特別なマルチモーダル推論データセットを収集し、教師付き微調整のための反復的自己更新手法を導入する。
論文 参考訳（メタデータ） (2024-02-25T15:31:43Z) - RoboScript: Code Generation for Free-Form Manipulation Tasks across Real
and Simulation [77.41969287400977]
本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。
自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。
我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
論文 参考訳（メタデータ） (2024-02-22T15:12:00Z) - Active Predicting Coding: Brain-Inspired Reinforcement Learning for
Sparse Reward Robotic Control Problems [79.07468367923619]
ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。
我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。
提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
論文 参考訳（メタデータ） (2022-09-19T16:49:32Z) - Learning Symbolic Operators: A Neurosymbolic Solution for Autonomous
Disassembly of Electric Vehicle Battery [16.963523032239202]
現在、バッテリーの分解は、主に人間によって行われており、おそらくは非構造環境と高い不確実性のためにロボットによって支援されている。
本稿では,従来の変分オートエンコーダ(VAE)モデルを拡張し,記号演算子を学習するニューロシンボリック手法を提案する。
試験結果から本手法の有効性を検証した。
論文 参考訳（メタデータ） (2022-06-07T06:00:39Z) - SAGCI-System: Towards Sample-Efficient, Generalizable, Compositional,
and Incremental Robot Learning [41.19148076789516]
上記の4つの要件を満たすために,SAGCIシステムと呼ばれる体系的な学習フレームワークを導入する。
本システムはまず,ロボットの手首に搭載されたカメラによって収集された生点雲を入力とし,URDFに代表される周囲環境の初期モデリングを生成する。
そのロボットは、対話的な知覚を利用して環境と対話し、URDFのオンライン検証と修正を行う。
論文 参考訳（メタデータ） (2021-11-29T16:53:49Z) - Integrated Benchmarking and Design for Reproducible and Accessible
Evaluation of Robotic Agents [61.36681529571202]
本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。
このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。
本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
論文 参考訳（メタデータ） (2020-09-09T15:31:29Z) - SAPIEN: A SimulAted Part-based Interactive ENvironment [77.4739790629284]
SAPIENは現実的で物理に富んだシミュレートされた環境であり、音声オブジェクトのための大規模なセットをホストしている。
部品検出と動作特性認識のための最先端の視覚アルゴリズムの評価を行い,ロボットインタラクションタスクの実証を行った。
論文 参考訳（メタデータ） (2020-03-19T00:11:34Z)
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。