面向自动化 PCB 装配的元学习增强自适应机器人控制策略

印刷电路板(PCB)的装配是芯片生产中的标准流程之一,直接关系到芯片的质量与性能。在自动化 PCB 装配过程中,通常采用机器视觉与坐标定位方法来引导装配单元的定位。然而,遮挡或光照条件不佳会影响基于机器视觉方法的有效性。此外,异形元件的装配需要高度专用的夹具来进行装配单元定位,导致成本高且灵活性差,尤其是在多品种、小批量生产中。鉴于此,本文提出了一种无视觉、模型无关的元方法,用于补偿机器人定位误差,通过交互式反馈最大化机器人精确定位的概率,从而降低对视觉反馈的依赖,并缓解遮挡或光照变化的影响。所提方法赋予机器人学习并适应各种定位误差的能力,其灵感来自人类在不确定性下抓取的本领。此外,该方法具有自适应性,随着更多示例的纳入与学习,可加速机器人定位过程。实证研究表明,所提方法能够处理各种异形元件,无需依赖专用夹具,同时实现与高度专用自动化设备相当的装配效率。截至本文撰写时,所提元方法已应用于一条面向异形电子元件的机器人装配生产线。由于 PCB 装配涉及各种尺寸、形状与功能的电子元件,后续研究可聚焦于装配顺序与装配路径优化,以进一步提升装配效率。