AnswersPublished13 sources
Робот навчився точніше вставляти деталі завдяки відчуттю дотику
За зазору 0,05 мм система з тактильним зворотним зв’язком успішно виконала завдання у 67% спроб; без дотику цей показник становив 52%. Імітаційне навчання допомагало захопити штифт і підвести його до отвору, а навчання з підкріпленням — виконати точне вставляння та виправляти помилки під час контакту.
ОпублікувавВідредаговано за допомогою GPT-6 LunaЗображення створено за допомогою GPT Image 2
Research answer
Key takeaways
- За зазору 0,05 мм система з тактильним зворотним зв’язком успішно виконала завдання у 67% спроб; без дотику цей показник становив 52%.
- Імітаційне навчання допомагало захопити штифт і підвести його до отвору, а навчання з підкріпленням — виконати точне вставляння та виправляти помилки під час контакту.
- Тактильна базова лінія та збалансоване навчання на прикладах із різним крутним моментом допомогли врахувати навантаження від захоплення й краще опрацьовувати складні контакти.
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
Коли деталь треба вставити в отвір із дуже малим зазором, навіть невелика похибка позиціювання може заклинити її або спричинити надмірний тиск. У дослідженні From Reach to Insert: Tactile-Augmented Precision Assembly under Sub-Millimeter Tolerances команда Інституту автоматизації Китайської академії наук поєднала візуальне наведення з навчанням із підкріпленням, доповненим тактильною інформацією. За найскладнішого випробуваного зазору — 0,05 мм — робот успішно виконав завдання у 67% спроб. Це краще, ніж у системи без тактильних даних, але до безпомилкової роботи ще далеко. 1
9
Спершу підвести, потім вставити
Замість того щоб навчати одну модель усього завдання, дослідники розділили його на два етапи. На першому імітаційне навчання з Diffusion Policy керувало захопленням штифтів, розміщених у випадкових місцях, і підводило їх до отвору. На другому алгоритм Soft Actor-Critic — метод навчання з підкріпленням — відповідав за точне вставляння та відновлення після невдалого контакту. 1
Такий поділ враховує, що підвести штифт до отвору й скоригувати рух після дотику до його країв — різні завдання. Після контакту навіть невелика похибка може змінити сили, що діють на деталь, і завадити просуванню. Навчена стратегія відновлення дає змогу реагувати на ці взаємодії, а не просто знову повторювати показаний рух. 1
Дотик допомагав оцінювати контакт
У системі використали асиметричну архітектуру «актор—критик». Актор, який обирав дії робота, переважно спирався на зорову інформацію. Критик під час навчання також отримував тактильні дані, щоб оцінювати дії в ситуаціях, де важливо врахувати контакт. Тобто дотик допомагав навчанню оцінювати взаємодію з деталлю; це не означає, що розгорнутий актор безпосередньо використовував тактильний сигнал для кожної дії. 1
Дослідники також відокремлювали навантаження від захоплення штифта від сил, що виникали під час вставляння. Після захоплення, але до контакту з отвором, система фіксувала тактильні показники як базову лінію. Подальші вимірювання порівнювали з нею, щоб урахувати саме зміни, пов’язані зі вставлянням. 1
Для навчання приклади групували за крутним моментом і формували вибірки збалансовано між цими групами. Це давало моделі більше шансів опрацювати важливі контактні ситуації та невдалі спроби, які могли б траплятися рідше за звичайного вибору даних. 1
Чим менший зазор, тим складніше
У випробуваннях використовували семиступеневу роботизовану руку Franka Emika Panda, тактильний датчик PaXini PX-6AX GEN3 із шістьма осями на кінчику пальця та камери Intel RealSense — на зап’ясті й для загального огляду. Робот мав вставляти деталі в отвори квадратної, круглої, шестикутної, Г-подібної та трикутної форми. Зазори становили 1 мм, 0,25 мм і 0,05 мм. 1
| Зазор | Успішність лише з імітаційним навчанням |
|---|---|
| 1 мм | 76% |
| 0,25 мм | 24% |
| 0,05 мм | 0% |
За зазору 0,05 мм додавання навчання з підкріпленням без дотикових даних підвищило успішність до 52%. Варіант із тактильною інформацією для критика та групуванням навчальних прикладів досяг 67% — на 15 відсоткових пунктів більше. Також у дослідженні повідомляють про зниження пікової сили взаємодії на 60%, а пікового крутного моменту — на 44%. 1
9
10
Прогрес є, але це ще не гарантія
Результати показують, що дотик може допомогти роботу точніше й обережніше виконувати завдання, коли зору недостатньо, щоб оцінити контакт. Важливо, що автори не просто додали тактильні сигнали до візуальної політики: їхній підхід поєднав поетапне навчання, оцінювання дій із тактильною інформацією, віднімання базового навантаження та збалансований добір контактних прикладів. 1
Водночас успішність 67% означає, що за найменшого зазору невдалими були приблизно кожна третя спроба. Результат демонструє покращення в конкретному випробувальному сценарії, а не надійне вставляння будь-яких деталей за будь-яких умов. 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 "Робот навчився точніше вставляти деталі завдяки відчуттю дотику"?
За зазору 0,05 мм система з тактильним зворотним зв’язком успішно виконала завдання у 67% спроб; без дотику цей показник становив 52%.
What are the key points to validate first?
За зазору 0,05 мм система з тактильним зворотним зв’язком успішно виконала завдання у 67% спроб; без дотику цей показник становив 52%. Імітаційне навчання допомагало захопити штифт і підвести його до отвору, а навчання з підкріпленням — виконати точне вставляння та виправляти помилки під час контакту.
What should I do next in practice?
Тактильна базова лінія та збалансоване навчання на прикладах із різним крутним моментом допомогли врахувати навантаження від захоплення й краще опрацьовувати складні контакти.
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