Escuela de Construcción Civil

Permanent URI for this community

https://repositorio.uc.cl/handle/11534/60458

Browse

Browsing Escuela de Construcción Civil by browse.metadata.fuente "SRIA"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Reinforcement learning based compliance control for dual-arm variable payload manipulation
    (2025) Moreno Rojas, José Andrés; Torres Torriti, Miguel Attilio; Pontificia Universidad Católica de Chile. Escuela de Ingeniería
    Un novedoso marco jerárquico para la manipulación doble-brazo con cargas variables es presentado, que integra control de impedancia basado en modelos y aprendizaje por refuerzo libre de modelos mediante compensación de torque en el espacio de tareas. Un elemento central del enfoque consiste en un ajuste automatizado de la simulación en Mu-JoCo, donde la optimización de parámetros de amortiguamiento, pérdida por fricción y del armature en las articulaciones redujo el error de simulación en factores que van desde 134 hasta 3,186 veces en comparación con el modelo oficial inicial URDF FR3, lo que permitió una transferencia sim-to-real de alta fidelidad para robots Franka Research 3. El controlador de aprendizaje por refuerzo, entrenado con Soft Actor-Critic (SAC), fue evaluado para lograr una manipulación robusta en todo el rango de carga útil. La validación experimental cubrió tres tareas: colocación de objetos en un contenedor, interacción repetida en trayectoria circular sobre una superficie en el plano YZ y en el plano XY. Los resultados demuestran que el controlador de RL reduce el consumo de energía hasta en un 51% y mejora la repetibilidad hasta en un 70% en comparación con el control de impedancia de alta ganancia base, mientras mantiene una precisión en posición competitiva dentro del 20–25% respecto a este. Estos hallazgos validan la efectividad y eficiencia del método para la manipulación doble-brazo en escenarios reales con alta variabilidad.