ОтветыОпубликовано13 источники
Осязание повысило точность робота при сборке деталей с микроскопическим зазором
При зазоре 0,05 мм система с тактильной оценкой достигла 67% успешных вставок против 52% у обучения с подкреплением без осязания. Обучение разделили на два этапа: имитационное — для захвата и подведения детали к отверстию, обучение с подкреплением — для вставки и исправления ошибок при контакте.
ОпубликовалОтредактировано с помощью GPT-6 LunaИзображения созданы с помощью GPT Image 2
Ответ на исследование
Ключевые выводы
- При зазоре 0,05 мм система с тактильной оценкой достигла 67% успешных вставок против 52% у обучения с подкреплением без осязания.
- Обучение разделили на два этапа: имитационное — для захвата и подведения детали к отверстию, обучение с подкреплением — для вставки и исправления ошибок при контакте.
- Исследователи вычитали исходные тактильные нагрузки после захвата детали и сбалансировали обучающие примеры по крутящему моменту.
Промпт ИИ
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
При точной сборке даже небольшая ошибка положения может привести к тому, что деталь застрянет в отверстии или робот надавит на неё слишком сильно. В работе From Reach to Insert: Tactile-Augmented Precision Assembly under Sub-Millimeter Tolerances исследователи из Института автоматизации Китайской академии наук объединили зрительное управление движением с обучением, учитывающим осязание. При самом малом испытанном зазоре — 0,05 мм — система справилась с 67% попыток. Это лучше, чем результат сопоставимого варианта без тактильных данных, но далеко от безошибочной работы. 1
9
Сначала подвести, затем вставить
Вместо одной модели на всю задачу команда использовала два этапа. Имитационное обучение с помощью Diffusion Policy отвечало за захват случайно расположенных штифтов и их подведение к отверстию. Затем Soft Actor-Critic — метод обучения с подкреплением — управлял точной вставкой и восстановлением после неудачного контакта. 1
Такое разделение учитывает, что подвести деталь к отверстию и исправить её положение после касания — разные задачи. Когда штифт соприкасается с краем, даже небольшая ошибка выравнивания меняет силы контакта и может помешать движению. Обученная стратегия коррекции позволяет роботу реагировать на эти взаимодействия, а не просто снова выполнять показанное движение. 1
Осязание помогало оценивать контакт
В системе использовали асимметричную архитектуру «актор–критик». Актор, который выбирает действия робота, в основном опирался на зрение; критик дополнительно получал тактильные данные и оценивал действия в процессе обучения. Иными словами, осязание помогало системе учиться на ситуациях с непосредственным контактом. Это не означает, что работающий актор использовал тактильные данные при каждом действии. 1
Команда также учитывала нагрузку, которая уже возникала, когда робот держал штифт. После захвата, но до касания отверстия, исследователи записывали исходные тактильные показания. Затем их сравнивали с последующими измерениями, чтобы отделить силы и крутящий момент при вставке от нагрузки, связанной с захватом. 1
Для обучения примеры распределяли по группам в зависимости от крутящего момента и отбирали из них сбалансированно. Благодаря этому модель чаще сталкивалась с важными ситуациями контакта и неудач, которые при обычном отборе могли бы встречаться реже. 1
Проверка на отверстиях разной формы и с разным зазором
В экспериментах использовали семистепенную роботизированную руку Franka Emika Panda, шестикомпонентный тактильный датчик PaXini PX-6AX GEN3 на кончике пальца, а также камеры Intel RealSense на запястье и для общего обзора. Робот вставлял детали в отверстия квадратной, круглой, шестиугольной, Г-образной и треугольной формы. Зазоры составляли 1 мм, 0,25 мм и 0,05 мм. 1
| Зазор | Успешные попытки при чистом имитационном обучении |
|---|---|
| 1 мм | 76% |
| 0,25 мм | 24% |
| 0,05 мм | 0% |
При зазоре 0,05 мм сочетание имитационного обучения и обучения с подкреплением без осязания дало 52% успешных попыток. Подход с тактильными данными у критика и сбалансированным отбором примеров повысил результат до 67% — на 15 процентных пунктов. В работе также сообщается о снижении пиковой силы взаимодействия на 60% и пикового крутящего момента на 44%. 1
9
10
Улучшение — не гарантия успеха
Результаты показывают, что тактильные данные могут помочь роботу точнее выполнять вставку и действовать мягче, когда одного зрения недостаточно для оценки контакта. Важен не просто дополнительный сигнал датчика: метод объединяет поэтапное обучение, тактильную оценку действий, вычитание исходной нагрузки и сбалансированный отбор примеров взаимодействия. 1
При этом показатель 67% означает, что примерно в одной трети попыток при самом малом зазоре вставить деталь не удалось. Результаты подтверждают улучшение в испытанной конфигурации, но не доказывают, что система будет надёжно справляться с любой задачей сборки с малыми допусками. 1
9
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Осязание повысило точность робота при сборке деталей с микроскопическим зазором»?
При зазоре 0,05 мм система с тактильной оценкой достигла 67% успешных вставок против 52% у обучения с подкреплением без осязания.
Какие ключевые моменты необходимо проверить в первую очередь?
При зазоре 0,05 мм система с тактильной оценкой достигла 67% успешных вставок против 52% у обучения с подкреплением без осязания. Обучение разделили на два этапа: имитационное — для захвата и подведения детали к отверстию, обучение с подкреплением — для вставки и исправления ошибок при контакте.
Что мне делать дальше на практике?
Исследователи вычитали исходные тактильные нагрузки после захвата детали и сбалансировали обучающие примеры по крутящему моменту.
Источники
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