Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Multi-Objective Neural Network Assisted Design Optimization of Soft Fin-Ray Grippers for Enhanced Grasping Performance

Created by
  • Haebom

저자

Ali Ghanizadeh, Ali Ahmadi, Arash Bahrami

개요

본 논문은 부드러운 핀-레이(Fin-Ray) 그리퍼의 비선형적인 파지력과 변형 거동을 모델링하는 어려움을 해결하기 위해 유한요소법(FEM)과 다층 퍼셉트론(MLP)을 활용한 다목적 최적화 기법을 제시합니다. FEM을 통해 원통형 물체를 파지하는 핀-레이 그리퍼의 변형량과 접촉력 데이터셋을 생성하고, 이를 MLP에 학습시켜 접촉력과 팁 변위를 예측하는 모델을 구축합니다. 최적화 설계 변수로는 전면 및 지지 빔의 두께, 가로 빔의 두께, 가로 빔 간격을 사용하며, 최대 접촉력과 최대 팁 변위(x, y 방향)를 목표 변수로 설정하여 파지력과 정밀한 조작 사이의 상충관계를 다루는 다목적 최적화 문제를 해결합니다. 비지배 정렬 유전 알고리즘(NSGA-II)을 사용하여 최적 해를 찾고, 그 결과를 통해 부드러운 로봇 그리퍼의 설계 및 파지 성능을 개선하는 방법을 제시합니다.

시사점, 한계점

시사점:
유한요소법(FEM)과 다층 퍼셉트론(MLP)을 결합하여 핀-레이 그리퍼의 비선형적 거동을 효과적으로 모델링하고 예측하는 방법을 제시.
다목적 최적화 기법을 통해 파지력과 정밀 조작이라는 상반되는 목표를 동시에 고려하여 최적 설계를 도출.
제안된 방법론을 통해 부드러운 로봇 그리퍼의 설계 및 파지 성능 향상에 기여.
다양한 응용 분야에서 부드러운 그리퍼의 설계 최적화에 활용 가능성 제시.
한계점:
현재는 원통형 물체 파지에 대한 모델링에만 집중, 다양한 형태의 물체 파지에 대한 일반화 필요.
FEM 시뮬레이션의 정확도가 실제 물리적 현상과의 차이를 포함할 수 있음.
NSGA-II 알고리즘을 사용한 최적화 과정에서 최적 해의 전역 최적성을 보장할 수 없음.
실제 로봇 시스템에 적용하기 위한 추가적인 검증 및 실험이 필요.
👍