DSL-Assembly：一种鲁棒且安全的装配策略
机器人学
2023-03-15 v2
摘要
本文提出了一种基于强化学习（RL）的方法，使机器人能够在安全规范下完成装配类任务。整体策略由抓取与装配组成，本文主要考虑装配策略。本文使用力反馈而非视觉反馈来感知孔的形状与方向。此外，由于力输出过大时会触发急停，提出了一种基于力的动态安全锁（DSL）以限制机器人的按压力。最后，我们在仿真器中训练并测试机器人模型，并构建消融实验以说明方法的有效性。模型在仿真器中独立测试 500 次，在 4mm 间隙下获得 88.57% 的成功率。这些模型被迁移到真实世界并部署在真实机器人上。我们进行了独立测试，在 4mm 间隙下获得 79.63% 的成功率。仿真环境：https://github.com/0707yiliu/peg-in-hole-with-RL。
引用
@article{arxiv.2302.10842,
title = {DSL-Assembly: A Robust and Safe Assembly Strategy},
author = {Yi Liu},
journal= {arXiv preprint arXiv:2302.10842},
year = {2023}
}
备注
4 pages, 8 figures