Modular and reconfigurable robotic systems have been designed to provide a customized solution for the non-repetitive tasks to be performed in a constrained environment. Customized solutions are normally extracted from task-based optimization of the possible manipulator configurations but the solution are not integrated, for providing the modular compositions directly. In this work, in the first phase, a strategy of finding unconventional optimal configurations with minimal number of degrees-of-freedom are discussed based upon the prescribed working locations and the cluttered environment. Then, in the second phase, design of the modular and reconfigurable architecture is presented which can adapt these unconventional robotic parameters. Rather than generating and evolving the modular compositions, a strategy is presented through which the unconventional optimal configurations can be mapped directly to the modular compositions. The generated modular composition is validated using Robot Operating System for the motion planning between the prescribed working locations in a given cluttered environment.


翻译:模块和可重新配置的机器人系统的设计是为了为在受限制的环境中执行的非重复性任务提供定制的解决方案。定制解决方案通常是从基于任务的优化中抽取的,因为可能的操纵器配置,但解决方案不是集成的,直接提供模块构成。在第一阶段,在第一阶段,根据规定的工作地点和杂乱的环境,讨论寻找具有最低自由度的非常规最佳配置的战略。然后,在第二阶段,提出模块和可重新配置的结构的设计,以适应这些非常规的机器人参数。除了生成和演变模块构成外,还提出了一个战略,非常规的最佳配置可直接与模块构成相匹配。生成的模块构成使用机器人操作系统进行验证,用于在给定的杂乱乱环境中对指定工作场所进行运动规划。

0
下载
关闭预览

相关内容

专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
39+阅读 · 2020年9月6日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
150+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
视觉机械臂 visual-pushing-grasping
CreateAMind
3+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Arxiv
9+阅读 · 2018年3月23日
Arxiv
3+阅读 · 2018年2月12日
VIP会员
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
视觉机械臂 visual-pushing-grasping
CreateAMind
3+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员