Browsing by Author "Witczak, Marcin"

Now showing 1 - 1 of 1

Access status: Open Access ,
Deep reinforcement learning for robotic industrial assembly
(Data obrony: 2025-05-26) Bartyzel, Grzegorz
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Od współczesnych linii produkcyjnych wymaga się elastyczność, która pozwala na szybką adaptację linii do zmieniających się warunków produkcyjnych, w szczególności w procesach montażowych. Obiecującym rozwiązaniem tego problemu, jest zastosowanie technik sztucznej inteligencji takich jak uczenie ze wzmocnieniem (ang. reinforcement learning, RL), które mogą znacząco usprawnić procesy produkcyjne. Celem zaprezentowanych w rozprawie badań było opracowanie metody opierającej się na uczeniu ze wzmocnieniem do montażu różnych elementów na liniach produkcyjnych. Efektem prac badawczych było stworzenie nowatorskiego algorytmu zwanego Multimodal Variational DeepMDP (MVDeepMDP), a także wydajnej procedury do uczenia agenta RL na robocie przemysłowym. Opracowana metoda pozwala na szybką adaptację wstępnie nauczonego agenta RL do nowych produktów, poprzez integrację algorytmu Soft Actor-Critic z wielomodalnym wariacyjnym autoenkoderem. Procedurę przetestowano za pomocą zadania montażu elementów elektronicznych, wykazując wysoką wydajność w porównaniu do konwencjonalnych metod. Przeprowadzone eksperymenty wykazały, że MVDeepMDP jest w stanie od razu montować nowe elementy, lub, w razie potrzeby, po douczeniu się trwającym maksymalnie 5 minut. Podsumowując, zaproponowane rozwiązanie pozwala na szybką adaptację zrobotyzowanych stacji montażowych, co jest wymagane we współczesnym przemyśle.