机器人插孔装配的变柔顺控制：一种深度强化学习方法

工业机器人在现代制造业中扮演着愈发重要的角色。尽管插孔装配是一项已被广泛研究的常见工业任务，但在非结构化环境中安全解决复杂高精度装配仍是一个开放问题。强化学习（RL）方法已证明能自主解决操纵任务。然而，RL 仍未在真实机器人系统上被广泛采用，因为使用真实硬件会带来额外挑战，尤其当使用位置控制机械臂时。本工作的主要贡献是一种基于学习的方法，用以解决孔位存在位置不确定性的插孔任务。我们提出使用离策略无模型强化学习方法，并通过若干迁移学习技术（sim2real）与域随机化来加速训练。我们所提出的针对位置控制机器人的学习框架，已在多种环境下的富含接触插入任务上进行了广泛评估。