基于刚性和互动触碰丰富操作的不确定性下鲁棒 peg-in-hole装配

在容差严格的条件下，鲁棒且自适应的机器人 peg-in-hole 装配对于各种工业应用至关重要。然而，由于接触丰富的交互导致的感知和物理不确定性，这仍是一个开放性挑战，这些不确定性容易超过允许的间隙。在本文中，我们研究如何利用 peg 与其匹配孔之间的接触，以在非结构化环境中消除装配过程中的不确定性。通过考察顺应性在接触约束下的作用，我们提出了一种操作系统，用于规划包含碰撞的互动，以 1) 迭代识别其任务环境以定位目标孔和 2) 利用环境接触约束在目标孔中细化插入运动，而无需依赖精确的感知，从而实现 peg-in-hole 装配的鲁棒解决方案。通过将上述过程概念化为在不同状态空间中进行的 funnel 的组成，我们提出了一种正式的方法，用于构建装配 funnel 作为消除不确定性的范式。该提议系统在学习驱动下有效地跨越各种尺度、形状和材料的 peg-in-hole 场景。针对 NIST Assembly Task Board (ATB) 和其他具有挑战性的场景进行了大量实验，验证了其在实际应用中的鲁棒性。