Optimalisatie van Robotsortering voor Metaalrecyclage

In dit doctoraatsonderzoek wordt er onderzocht hoe het sorteren van metaal met grijparmen kan geoptimaliseerd worden, met als doel om metaalsortering economisch rendabel te maken. De nadruk van dit onderzoek ligt op het optimaliseren van de software, waarbij er gebruik zal gemaakt worden van allerlei sensoren. Enkele voorlopige denkpistes liggen bij machine learning technieken zoals reinforcement learning, waarbij de software zich zal aanpassen op basis van data van voorgaande handelingen.

Trefwoorden:Gripping arm, Reinforcement Learning, Metal recycling, Metal sorting, Random Bin Picking

Disciplines:Adaptive agents en intelligente robotica, Robotmanipulatie en interfaces

Project type:PhD project