이 논문에서는 로봇 팔의 말단 장치 경로 계획을 위해 Catmull-Rom 곡선을 기반으로 한 MoveCR 함수를 개발하였다. 이 함수는 CRI를 바탕으로 학습된 궤적의 문제점을 보완하기 위해 설계되었다. 강화 학습으로 생성된 궤적은 끝부분으로 갈수록 떨림 현상이 증가하여 로봇의 성능을 저하시킬 가능성이 있다. 이를 해결하기 위해 개발된 MoveCR을 활용하여, 떨림 현상이 발생하는 궤적 구간을 MoveCR 기반의 궤적으로 대체하는 데 성공했다. MoveCR 궤적은 떨림 현상이 없으며, 불연속점이 없는 매끄러운 경로를 제공한다. 따라서 강화 학습과 MoveCR을 결합하면 로봇 팔의 부드럽고 최적화된 안전 경로를 설계할 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.