一种面向具有不确定配合类型和配合量的批量精密装配任务的鲁棒柔顺机器人装配控制策略
机器人学
2026-03-11 v1
摘要
在一些高精度工业应用中，机器人被部署来对批量制造的销和孔执行精密装配任务。如果销和孔设计为过渡配合，加工误差可能导致特定组件对出现间隙配合或过盈配合，且配合量不确定。本文聚焦于涉及具有不确定配合类型和配合量的组件的机器人批量精密装配任务，并提出了一种构建鲁棒柔顺装配控制策略的高效方法。具体而言，将批量精密装配任务分解为多个确定性子任务，并提出了一种力-视觉融合控制器驱动的强化学习方法以及一种多任务强化学习训练方法（FVFC-MTRL），以联合学习这些子任务的多种柔顺控制策略。随后，设计了多教师策略蒸馏方法，将多个训练好的策略整合到一个统一的学生网络中，从而建立一个鲁棒的控制策略。真实世界实验表明，所提出的方法成功地为具有不同配合类型和配合量的高精度装配任务构建了鲁棒控制策略。此外，MTRL 框架显著提高了训练效率，最终开发的控制策略与许多现有方法相比，实现了更优的力柔顺性和更高的成功率。
引用
@article{arxiv.2508.12296,
title = {A robust and compliant robotic assembly control strategy for batch precision assembly task with uncertain fit types and fit amounts},
author = {Bin Wang and Jiwen Zhang and Song Wang and Dan Wu},
journal= {arXiv preprint arXiv:2508.12296},
year = {2026}
}