机器人装配任务的现成解决方案基准评测
机器人学
2021-03-10 v1 人工智能
摘要
近年来，许多基于学习的方法被研究用于实现机器人操作与装配任务，通常包含视觉与力/触觉反馈。然而，基线最先进性能是什么、瓶颈问题是什么，往往并不清晰。在本工作中，我们在近期引入的基准——美国国家标准与技术研究院（NIST）装配任务板——上评估了一些现成（OTS）工业解决方案。引入了一组装配任务并提供基线方法以理解其内在难度。随后评估了多种基于传感器的机器人解决方案，包括混合力/运动控制与 2D/3D 模式匹配算法。还提供了一个端到端集成解决方案来完成这些任务。研究过程中的结果与发现揭示了阻碍 OTS 解决方案采用的若干显著因素：依赖专业知识、适用性有限、缺乏互操作性、无场景感知或错误恢复机制，以及高成本。本文也首次尝试在 NIST 装配任务板上给出客观基准性能，作为未来该问题研究的参考比较。
引用
@article{arxiv.2103.05140,
title = {Benchmarking Off-The-Shelf Solutions to Robotic Assembly Tasks},
author = {Wenzhao Lian and Tim Kelch and Dirk Holz and Adam Norton and Stefan Schaal},
journal= {arXiv preprint arXiv:2103.05140},
year = {2021}
}
备注
7 pages, 6 figures