AnswersPublished13 sources
Hoe tastzin een robot hielp onderdelen met 0,05 mm speling te plaatsen
Bij een speling van 0,05 mm slaagde de robot in 67 procent van de pogingen, tegenover 52 procent met leren zonder tastinformatie. Imitatieleren hielp de robot een onderdeel vast te pakken en naar de opening te brengen; versterkend leren stuurde daarna het plaatsen en herstel na contactfouten aan.
Gepubliceerd doorBewerkt met GPT-6 LunaAfbeeldingen gegenereerd met GPT Image 2
Research answer
Key takeaways
- Bij een speling van 0,05 mm slaagde de robot in 67 procent van de pogingen, tegenover 52 procent met leren zonder tastinformatie.
- Imitatieleren hielp de robot een onderdeel vast te pakken en naar de opening te brengen; versterkend leren stuurde daarna het plaatsen en herstel na contactfouten aan.
- Een tastreferentie en evenwichtige training op basis van draaimomenten hielpen onderscheid maken tussen de kracht van het vastgrijpen en die van het plaatsen.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Long Cheng’s team at the Institute of Automation of the Chinese Academy of Sciences (CASIA), including Xinpan Meng, Houcheng Li and. Article summary: They separated coarse, vision-guided manipulation from contact-rich precision insertion: imitation learning brought the peg to the hole, while tactile-augmented reinforcement learning learned insertion and recovery from . Topic tags: general, academic, general web, government. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts wi
Een kleine afwijking kan al genoeg zijn om een onderdeel vast te laten lopen of te hard tegen de rand van een opening te drukken. Onderzoekers van het Instituut voor Automatisering van de Chinese Academie van Wetenschappen combineerden daarom camerabeelden met tastinformatie voor nauwkeurig robotisch assemblagewerk. In hun studie From Reach to Insert: Tactile-Augmented Precision Assembly under Sub-Millimeter Tolerances behaalde de aanpak bij de kleinste geteste speling, 0,05 mm, een succespercentage van 67 procent. Dat was beter dan de vergelijking zonder tastinformatie, maar nog geen garantie op succes. 1
9
Eerst naar de opening, dan pas het precisiewerk
In plaats van één leersysteem de hele taak te laten uitvoeren, verdeelde het team die in twee fasen. Imitatieleren met Diffusion Policy stuurde de robot bij het oppakken van willekeurig geplaatste pennen en het bewegen ervan naar de opening. Daarna nam versterkend leren met Soft Actor-Critic het nauwkeurige plaatsen over, inclusief pogingen om te herstellen wanneer het contact niet goed verliep. 1
Die aanpak past bij het verschil tussen een opening bereiken en een onderdeel erin krijgen. Zodra de pen de rand raakt, kunnen kleine uitlijnfouten de contactkrachten veranderen en het plaatsen blokkeren. Een aangeleerde herstelstrategie kan op zulke interacties reageren, in plaats van steeds dezelfde voorgedane beweging te herhalen. 1
Tastzin beoordeelde het contact tijdens het leren
De onderzoekers gebruikten een asymmetrische actor-criticopzet. De actor, die de handelingen bepaalt, was vooral op camerabeelden gebaseerd. De critic kreeg daarnaast tastinformatie om handelingen tijdens het leren te beoordelen. Tast hielp het systeem dus om situaties met veel fysiek contact beter te evalueren; dat betekent niet dat de actor tijdens iedere handeling rechtstreeks op tastinformatie steunde. 1
Ook hield het team rekening met de kracht die al op de sensor stond doordat de robot de pen vasthield. Na het vastpakken, maar voordat de pen de opening raakte, legden de onderzoekers een tactiele nulmeting vast. Latere metingen werden daarmee vergeleken, zodat de belasting door het vastgrijpen beter te onderscheiden was van krachten en draaimomenten tijdens het plaatsen. 1
Voor de training werden voorbeelden gegroepeerd op basis van draaimoment en vervolgens evenwichtig uit die groepen geselecteerd. Zo kreeg het leersysteem meer voorbeelden van relevante contact- en faalsituaties die bij een gewone steekproef mogelijk minder vaak aan bod komen. 1
Test met steeds minder speling
De proefopstelling bestond uit een Franka Emika Panda-robotarm met zeven bewegingsvrijheidsgraden, een PaXini PX-6AX GEN3-tastsensor met zes assen aan de vingertop en Intel RealSense-camera’s op de pols en voor een totaalbeeld. De onderzoekers testten vijf vormen openingen: vierkant, rond, zeshoekig, L-vormig en driehoekig. De speling bedroeg 1 mm, 0,25 mm of 0,05 mm. 1
| Speling | Succes met alleen imitatieleren |
|---|---|
| 1 mm | 76% |
| 0,25 mm | 24% |
| 0,05 mm | 0% |
Bij een speling van 0,05 mm kwam de aanpak met versterkend leren maar zonder tastinformatie uit op 52 procent succes. Met de tactiele critic en de evenwichtige selectie van trainingsvoorbeelden werd dat 67 procent: een stijging van 15 procentpunt. Ook rapporteert de studie een daling van 60 procent in de maximale interactiekracht en van 44 procent in het maximale draaimoment. 1
9
10
Vooruitgang, maar geen foutloze assemblage
De resultaten wijzen erop dat tastinformatie robotisch plaatsen effectiever en voorzichtiger kan maken wanneer camerabeelden alleen onvoldoende zicht geven op het contact. De methode bestaat niet simpelweg uit het toevoegen van tast aan een visuele aansturingsstrategie: ze combineert twee leerfasen met een tactiele beoordeling, een nulmeting en evenwichtige training op contactervaringen. 1
Tegelijkertijd betekent 67 procent succes dat de robot bij de lastigste geteste speling in ongeveer een derde van de pogingen niet slaagde. De studie laat betere prestaties zien in deze proefopstelling, niet dat elke taak met nauwe toleranties betrouwbaar kan worden uitgevoerd. 1
9
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Hoe tastzin een robot hielp onderdelen met 0,05 mm speling te plaatsen"?
Bij een speling van 0,05 mm slaagde de robot in 67 procent van de pogingen, tegenover 52 procent met leren zonder tastinformatie.
What are the key points to validate first?
Bij een speling van 0,05 mm slaagde de robot in 67 procent van de pogingen, tegenover 52 procent met leren zonder tastinformatie. Imitatieleren hielp de robot een onderdeel vast te pakken en naar de opening te brengen; versterkend leren stuurde daarna het plaatsen en herstel na contactfouten aan.
What should I do next in practice?
Een tastreferentie en evenwichtige training op basis van draaimomenten hielpen onderscheid maken tussen de kracht van het vastgrijpen en die van het plaatsen.
Sources
arxiv.orgFrom Reach to Insert: Tactile-Augmented Precision Assembly under ...
lefilrobotique.frDossier ICRA / IROS / CoRL - Le Fil Robotique
guandian.hk中科院自動化所程龍團隊提出觸覺增強框架 0.05毫米間隙成功率67% - 觀點網