10.13433/j.cnki.1003-8728.20220203
不确定检测环境下强化学习覆盖路径规划研究
机器人扫描测量系统在汽车质量检测领域获得广泛应用,尤其数模环境下基于仿生优化算法的视点采样与路径规划研究取得较大进展.然而,基于名义数模环境的路径规划结果难以适用实际不确定性检测环境.为此,本文提出基于改进的蒙特卡洛树搜索的视点自适应采样方法,在线生成工业机器人运动轨迹.通过车门内板案例的对比分析,验证本文方法的有效性,为实现不确定制造环境下工艺路径的在线规划提供理论依据.
光学检测、覆盖路径规划、制造误差、运动规划
43
U466(汽车工程)
国家自然科学基金;上海市自然科学基金;机械系统与振动国家重点实验开放基金项目
2024-01-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
9-15