Acknowledgement
본 연구는 정부(교육부)의 재원으로 한국연구재단의 BK21 FOUR 사업과 과학기술정보통신부 및 정보통신기획평가원의 대학ICT연구센터육성지원사업(IITP-2022-2021-0-018 6)의 지원을 받아 연구되었음.
Proceedings of the Korea Information Processing Society Conference (한국정보처리학회:학술대회논문집)
- 2022.11a
- /
- Pages.75-76
- /
- 2022
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
A Deep Reinforcement Learning Framework for Optimal Path Planning of Industrial Robotic Arm
산업용 로봇 팔 최적 경로 계획을 위한 심층강화학습 프레임워크
- Kwon, Junhyung (Future Convergence Engineering, Dept. of Computer Science & Engineering, Korea University of Technology and Education) ;
- Cho, Deun-Sol (Future Convergence Engineering, Dept. of Computer Science & Engineering, Korea University of Technology and Education) ;
- Kim, Won-Tae (Future Convergence Engineering, Dept. of Computer Science & Engineering, Korea University of Technology and Education)
- Published : 2022.11.21
Abstract
현재 산업용 로봇 팔의 경로 계획을 생성할 때, 로봇 팔 경로 계획은 로봇 엔지니어가 수동으로 로봇을 제어하며 최적 경로 계획을 탐색한다. 미래에 고객의 다양한 요구에 따라 공정을 유연하게 변경하는 대량 맞춤 시대에는 기존의 경로 계획 수립 방식은 부적합하다. 심층강화학습 프레임워크는 가상 환경에서 로봇 팔 경로 계획 수립을 학습해 새로운 공정으로 변경될 때, 최적 경로 계획을 자동으로 수립해 로봇 팔에 전달하여 빠르고 유연한 공정 변경을 지원한다. 본 논문에서는 심층강화학습 에이전트를 위한 학습 환경 구축과 인공지능 모델과 학습 환경의 연동을 중심으로, 로봇 팔 경로 계획 수립을 위한 심층강화학습 프레임워크 구조를 설계한다.
Keywords