基于记忆更新的框架实现灵活平面电缆插入的100%可靠
机器人学
2025-02-19 v1
摘要
自动化装配线日益取代人类劳动力完成各类任务;然而，由于对有效反馈和动态操作的高要求，灵活平面电缆(FFC)插入的自动化仍未实现，限制了全球约11%的产业能力。尽管已提出许多方法，如基于视觉的触觉传感器和强化学习，但实现类似人类的高可靠插入(即完成插入100%成功率)仍是重大挑战。灵感来源于人类完成FFC插入时的行为:感知三维力量，将其转化为物理概念，并不断改进估计。我们提出了一种新框架，包括用于收集三维触觉数据的感知模块、将此数据解释为有意义物理信号的感知模块，以及基于贝叶斯理论的记忆模块，用于可靠性估计和控制。该策略使机器人能够准确评估自身物理状态，生成可靠的状态估计和纠正动作。实验结果表明，使用该框架的机器人能够以97.92%的准确率检测到0.5mm的对齐误差，并在少数迭代后实现所有测试的100%成功率。本工作解决了复杂插入任务中不可靠感知与控制的挑战，凸显了发展完全自动化生产线的路径。
引用
@article{arxiv.2502.12514,
title = {Memory-updated-based Framework for 100% Reliable Flexible Flat Cables Insertion},
author = {Zhengrong Ling and Xiong Yang and Dong Guo and Hongyuan Chang and Tieshan Zhang and Ruijia Zhang and Yajing Shen},
journal= {arXiv preprint arXiv:2502.12514},
year = {2025}
}