近日，機械工程與自動化學院餘聯慶教授課題組青年教師樊飛博士在面向織造車間智能物流機器人軌迹跟蹤控制方面取得了重要研究進展。相關成果以“Spatiotemporal path tracking via deep reinforcement learning of robot for manufacturing internal logistics”在工程技術領域主流高水平期刊《Journal of Manufacturing Systems》（中科院一區Top，IF12.1，ISSN：1878-6642）上發表。該論文的第一單位為77779193永利官网，第一作者為77779193永利官网樊飛博士。
随着工程技術的發展，輪式移動機器人（WMR）和自動導引運輸車（AGV）在智能物流中的應用越來越廣泛。然而，織造車間中織機之間的巷道寬度、布輥長度、運輸效率等應用場景特征嚴重限制了傳統WMR或AGV的适應性。因此，我們開發了一種布卷搬運機器人（CHR），該機器人将AGV的安全性和效率特性與WMR的智能化特性相結合，使織造車間的物流智能化成為可能。這種新型機器人采用超長機身，以适應長布輥和狹窄巷道的場景特征。然而，超長機體的設計對複雜軌迹跟蹤性能和機器人安全性提出了更高的要求。複雜的織造車間環境也對高精度控制提出了新的挑戰。
圖一織造車間及布卷搬運機器人
圖二面向機器人路徑跟蹤的混合DRL框架
通常，基于模型的方法一直是開發控制器的首選，然而，非線性問題和外部擾動的耦合使模型具有不确定性，這對控制精度和穩定性有很大影響。深度強化學習（DRL）方法不需要系統模型，可以通過合理的端到端訓練過程獲得良好的性能。然而，DRL的訓練階段通常需要大量的時間，這對于模拟機器人或對抗性遊戲來說是可以接受的，但不适合真實場景。自然，基于模型和DRL的混合控制方法可能是開發機器人控制器的好選擇。因此，為了解決工業環境中的全局路徑動态跟蹤問題，本研究提出了一種結合場景建模的混合DRL框架。該方法為高精度路徑跟蹤控制提供了一種新的解決方案。
論文鍊接：https://doi.org/10.1016/j.jmsy.2023.06.011
