Feedback

Faculté des Sciences appliquées
Faculté des Sciences appliquées
MASTER THESIS
VIEW 172 | DOWNLOAD 815

Apprentissage par renforcement en vue de l'amélioration d'une ligne de recyclage robotisée

Download
Marlier, Norman ULiège
Promotor(s) : Bruls, Olivier ULiège ; Louppe, Gilles ULiège
Date of defense : 25-Jun-2018/26-Jun-2018 • Permalink : http://hdl.handle.net/2268.2/4686
Details
Title : Apprentissage par renforcement en vue de l'amélioration d'une ligne de recyclage robotisée
Translated title : [fr] Apprentissage par renforcement en vue de l'amélioration d'une ligne de recyclage robotisée
Author : Marlier, Norman ULiège
Date of defense  : 25-Jun-2018/26-Jun-2018
Advisor(s) : Bruls, Olivier ULiège
Louppe, Gilles ULiège
Committee's member(s) : Béchet, Eric ULiège
Dislaire, Godefroid ULiège
Themlin, Sebastien 
Language : French
Keywords : [en] Robotics
[en] Machine Learning
[fr] Robotique
[fr] Apprentissage par renforcement
Discipline(s) : Engineering, computing & technology > Multidisciplinary, general & others
Target public : Researchers
Professionals of domain
Student
Institution(s) : Université de Liège, Liège, Belgique
Degree: Master en ingénieur civil mécanicien, à finalité spécialisée en génie mécanique
Faculty: Master thesis of the Faculté des Sciences appliquées

Abstract

[fr] Ce travail de fin d'études s'inscrit dans l'amélioration d'une ligne de recyclage de déchets métalliques.
Il a pour objectif de lancer des pièces métalliques dans des bacs à l'aide de robots Flexpicker.

Deux méthodes de résolutions sont proposées : l'une se base sur les équations du tir parabolique, nommée Modélisation et
l'autre se base sur l'apprentissage automatique, nommée Machine learning.

Trois actions différentes ont été données au robot : un temps d'ouverture de la pince, un déplacement horizontal et un déplacement vertical.
Le but est de trouver ces actions afin de maximiser les chances de réussite des lancers.
Le problème du lancer est donc un problème de classification, à savoir s'il est réussi ou raté.
Le type de classificateur choisi est un réseau de neurones contenant 2 couches cachées.
Ce choix est justifié par les contraintes temporelles du problème.

Par ailleurs, ces deux méthodes ont été utilisées conjointement dans un simulateur. Celui-ci a permis de donner une estimation du nombre de données nécessaires, ~150.
Cette collecte de données a été automatisée au moyen d'une caméra de profondeur DUO3D.

Les résultats finaux montrent que le lancer a été parfaitement appris lors de lancers de graviers (100% de réussite) et assez bien généralisé pour les pièces métalliques.
Le gain de temps par rapport à l'approche déjà existante est négatif, avec une perte de temps de 5,7% (57[ms]) mesurée avec RobotStudio. Un travail d'optimisation de la trajectoire reste encore à effectuer.


File(s)

Document(s)

File
Access TFE_MARLIER_Norman.pdf
Description:
Size: 9.64 MB
Format: Adobe PDF
File
Access RESUME_MARLIER_Norman.pdf
Description:
Size: 354.31 kB
Format: Adobe PDF

Author

  • Marlier, Norman ULiège Université de Liège > Master ing. civ. méc., à fin.

Promotor(s)

Committee's member(s)

  • Béchet, Eric ULiège Université de Liège - ULiège > Département d'aérospatiale et mécanique > Conception géométrique assistée par ordinateur
    ORBi View his publications on ORBi
  • Dislaire, Godefroid ULiège Université de Liège - ULiège > Département ArGEnCo > Géoressources minérales & Imagerie géologique
    ORBi View his publications on ORBi
  • Themlin, Sebastien Citius Engineering S.A.
  • Total number of views 172
  • Total number of downloads 815










All documents available on MatheO are protected by copyright and subject to the usual rules for fair use.
The University of Liège does not guarantee the scientific quality of these students' works or the accuracy of all the information they contain.