TRA CỨU
Dòng Nội dung
1
Chiến lược dẫn đường rô bốt dạng bánh dựa trên giải thuật BIT* và phương pháp học tăng cường // Tạp chí cơ khí Việt Nam : Cơ quan của tổng hội cơ khí Việt Nam tr.


Rô bốt di động ngày càng được sử dụng rộng rãi trong rất nhiều lĩnh vực trong đời sống và sản xuất công nghiệp. Dựa vào hệ nhận thức của rô bốt trong môi trường di chuyển, các vấn đề về dẫn đường tối ưu trong môi trường không biết trước là một trong các trở ngại trong bài toán điều khiển và dẫn đường rô bốt tự hành. Để giải quyết vấn đề nêu trên, nhóm tác giả đề xuất chiến lược dẫn đường kiểu lai giữa thuật toán BIT* cải tiến và mô hình học tăng cường (RL). Thuật toán BIT*-RL sử dụng tìm đường toàn cục trong môi trường không biết trước sử dụng thuật toán BIT*. Sau đó, mô hình học tăng cường sử dụng hai cấu trúc MobileNetV2 cho tối ưu thông số huấn luyện và mô hình UNet cho tối ưu hành động thực thi. Cuối cùng mô hình rô bốt di động ba bánh được kiểm chứng thông qua thực nghiệm và mô phỏng tính toán đã chứng minh các ưu việt trong tối ưu quá trình tìm kiếm đường đi, đáp ứng đồng thời đa nhiệm vụ
 Đầu mục:0 (Lượt lưu thông:0) Tài liệu số:1 (Lượt truy cập:1)
2
Nghiên cứu, thiết kế bộ điều khiển cánh tay robot 6 bậc tự do dựa trên phương pháp học tăng cường mềm ACTOR-CRITIC // Tạp chí cơ khí Việt Nam : Cơ quan của tổng hội cơ khí Việt Nam tr.


Điều khiển chính xác cánh tay robot trong môi trường động, bất định là thách thức lớn đối với các bộ điều khiển kinh điển và các phương pháp hiện đại như điều khiển thích nghi hay điều khiển tối ưu. Mặc dù học tăng cường sâu (DRL) đã mở ra hướng đi mới, nhưng vẫn bộc lộ hạn chế về tính hội tụ cục bộ và thiếu sự cân bằng trong chiến lược khám phá không gian. Để giải quyết triệt để vấn đề này, bài báo đề xuất một bộ điều khiển tiên tiến cho cánh tay robot 6 bậc tự do (6- DOF) dựa trên phương pháp học tăng cường mềm Actor-Critic (Soft Actor-Critic - SAC). Trong nghiên cứu này, hệ thống trạng thái trước tiên được thiết lập các phương trình động học, động lực học và mô hình hóa dưới dạng quá trình quyết định Markov (MDP). Không gian trạng thái, hàm phần thưởng đa mục tiêu và cấu trúc mạng nơ-ron Actor-Critic được thiết kế nhằm tối đa hóa phần thưởng tích lũy kết hợp với cực đại hóa entropy. Cơ chế này giúp robot khám phá môi trường hiệu quả, tránh rơi vào các điểm tối ưu cục bộ và bám quỹ đạo trơn tru. Để kiểm chứng, bộ điều khiển được áp dụng vào bài toán thực nghiệm động lực học phức tạp: điều khiển robot dự đoán và đánh trúng quả bóng bàn với các quỹ đạo rơi ngẫu nhiên. Kết quả kỳ vọng cho thấy thuật toán SAC vượt trội về tốc độ hội tụ, độ ổn định và khả năng phản xạ theo thời gian thực, khẳng định tiềm năng to lớn trong việc giải quyết các tác vụ đa nhiệm phức tạp.
 Đầu mục:0 (Lượt lưu thông:0) Tài liệu số:1 (Lượt truy cập:0)