概要

本プロジェクトでは、吊り荷の制御環境を構築し、強化学習による制御モデルとカメラ画像による Yaw 角推定を組み合わせました。最終的に、制御モデルと Yaw 角推定を統合したシステムを Raspberry Pi 環境で動作させ、3Hz での制御を実証しました。

吊り荷の制御環境の構築

制御装置、吊り荷（トラス、H形鋼、平板）、ロープおよびクレーンを含むシミュレーション環境を構築しました。複数の吊り荷形状や風外乱に対応できる開発・評価環境としています。

強化学習により、吊り荷を目標Yaw角まで回転させる制御モデルを構築しました。下図は一方向風（X1Y0）および二方向風（X1Y1）の外乱条件における制御結果を示しています。

制御装置に搭載したカメラ画像から吊り荷の Yaw 角を推定します。色付きフックの検出結果と画像処理を組み合わせ、吊り荷の形状に応じた Yaw 角推定を行います。

Yaw 角推定モデルと強化学習による制御モデルを統合し、Raspberry Pi 上で推論・制御を実行しました。開発環境と同様に、外乱下でも吊り荷を目標 Yaw 角まで制御できることを確認しました。