TRÌNH ĐƠN TRA CỨU
Tất cả
Skip Navigation Links.
  • Bài trích
  • Nhan đề: Nghiên cứu, thiết kế bộ điều khiển cánh tay robot 6 bậc tự do dựa trên phương pháp học tăng cường mềm ACTOR-CRITIC
Tác giả CN Nguyễn Quý Dương
Nhan đề Nghiên cứu, thiết kế bộ điều khiển cánh tay robot 6 bậc tự do dựa trên phương pháp học tăng cường mềm ACTOR-CRITIC
Tóm tắt 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.
Từ khóa tự do Mô hình học tăng cường
Từ khóa tự do Cảnh tay robot
Từ khóa tự do Điều khiển dự đoán
Từ khóa tự do Phương pháp học tăng cường mềm Actor-Critic (SAC
Tác giả(bs) CN Nguyễn Anh Dũng
Tác giả(bs) CN Đặng Thái Việt
Tác giả(bs) CN Đinh Sỹ Thông
Nguồn trích Tạp chí cơ khí Việt Nam : Cơ quan của tổng hội cơ khí Việt Nam2026-11-2tr. Số: 06 Tập: 2026
00000000nab#a2200000ui#4500
00162808
0026
004D76EED55-A9CD-41D8-99B0-39E63370A082
005202611021502
008081223s VN| vie
0091 0
039|y20261102150223|zcuonglv
040 |aTV EAUT
041 |avie
044 |avm
10010|aNguyễn Quý Dương
245 |aNghiên cứu, thiết kế bộ điều khiển cánh tay robot 6 bậc tự do dựa trên phương pháp học tăng cường mềm ACTOR-CRITIC
520 |aĐiều 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.
653 |aMô hình học tăng cường
653 |aCảnh tay robot
653 |aĐiều khiển dự đoán
653 |aPhương pháp học tăng cường mềm Actor-Critic (SAC
700 |aNguyễn Anh Dũng
700 |aĐặng Thái Việt
700 |aĐinh Sỹ Thông
7730 |tTạp chí cơ khí Việt Nam : Cơ quan của tổng hội cơ khí Việt Nam|d2026-11-2|gtr.|v2026|i06
890|a0|b0|c1|d0
Không tìm thấy biểu ghi nào