Iñigo Elguea Aguinaco ikasleak BIKAIN CUM LAUDE kalifikazioa lortu zuen Industriko Doktoretza aipamenarekin
Iñigo Elguea Aguinaco ikasleak BIKAIN CUM LAUDE kalifikazioa lortu zuen Industriko Doktoretza aipamenarekin
Iñigo Elguea Aguinaco ikasleak BIKAIN CUM LAUDE kalifikazioa lortu zuen Industriko Doktoretza aipamenarekin
- Tesi titulua: Reinforcement learning approaches for collaborative robot control in manipulation tasks
Epaimahaia:
- Lehendakaritza: Dimitrios Chrysostomou (Aalborg University)
- Bokala: Gorka Sorrosal Yarritu (Ikerlan)
- Bokala: Iñaki Vázquez Gómez (Universidad de Deusto)
- Bokala: Aljaz Kramberger (University of Southern Denmark)
- Idazkaritza: Ganix Lasa Erle (Mondragon Unibertsitatea)
Laburpena:
Aurrerapen teknologikoen hazkunde esponentziala eta ekipo elektriko eta elektronikoekiko mendekotasuna handiagoa dela eta, produktuen bizitza baliagarriaren amaieran hauen tratamendu egokia egitea ezinbesteko prozesua bihurtu da ingurumen-inpaktua arintzeko. Hortaz, aipaturiko faktoreei aurre egiteko, birfabrikazioak ikuspegi onuragarriak aurkezten ditu bai ekonomikoki eta bai ingurumenaren aldetik. Hala ere, automatizazioak fabrikazioan arrakasta izan duen arren, birfabrikazioaren alorrean eskuzko lana nahiago izaten jarraitzen da, batez ere desmuntai prozesuan, ziurgabetasun operatiboak direla eta. Zentzu horretan, errefortzu bidezko ikaskuntzak ordezko aukera onuragarria eskaintzen du erabakiak hartzeko orduan eta sistema dinamikoen kontrolerako, nahiz eta gaur egun, desmihiztatze-lanen ikaskuntzaren eraginkortasuna eta orokortzeko gaitasuna ez dauden erabat argi.
Doktoretza-tesi industrial honek errefortzu bidezko ikaskuntza-tekniken aplikazioa ikertzen du gizakien eta roboten arteko lan-ingurune batean, hozkailuetako ateen juntura magnetikoak desmuntatzeko testuinguru espezifikoan, era berean, gaurko egunean errefortzu bidezko ikaskuntzaren oinarrizko hiru zutabetan zentratzen da: errendimenduan, laginketaren eraginkortasunean eta orokortze prozesuan. Ikerketa-arlo hauek ardatz harturik, tesiak, hasiera batean, kontzeptu-proba bat proposatzen du, giza eta roboten arteko desmuntai-ingurune aleatorio bateko lan-fluxuaren segurtasuna eta eraginkortasuna konbinatzen dituena. Ondoren, ikerketa hau zabaldu egiten da, oraingoan kontrol-politika errefortzu interaktibo bidezko ikaskuntza-esparru baten bidez ikasiz. Esparru honetan, gizakiaren rolaren ordez gainbegirale automatizatu bat erabiltzen da, murrizketetan oinarritutako modelatze-teknikak erabiltzen dituena laginaren eraginkortasuna hobetzeko asmoz. Tesi honetan azterketen emaitzak simulazioan eta errealitatean aurkezten dira.