Peg-in-hole insertion

También llamado: peg insertion, peg-hole assembly
Categoría: Planning & manipulation › Manipulation
Etiquetas: assembly, contact-rich-manipulation, force-control, compliance, benchmark

Introducir una pieza en un orificio de ajuste estrecho; la prueba de referencia estándar para el ensamblaje rico en contacto, en el que la holgura suele ser menor que el error de posicionamiento del robot.

Definición

Inserción de pasador en orificio (peg-in-hole insertion) es la tarea de ensamblaje que consiste en introducir una pieza, el pasador, en un elemento de acoplamiento, el orificio, con una pequeña holgura entre ambos. Representa una gran parte de las operaciones de ensamblaje reales: ejes en rodamientos, pernos en alojamientos, conectores en zócalos y elementos de fijación en agujeros. Como la tarea es fácil de enunciar pero difícil de realizar de forma fiable, lleva décadas sirviendo como prueba estándar del ensamblaje robótico y del control de fuerza.

La dificultad está en que las holguras suelen ser menores que el error combinado del posicionamiento, la calibración y la percepción del robot. Un robot controlado puramente en posición que esté ligeramente desviado o bien no acierta el orificio o bien presiona con fuerza contra su borde. Por eso, la inserción fiable usa el contacto: el robot se mueve hasta tocar, usa las fuerzas y los momentos medidos para inferir cómo está desalineado y corrige. El análisis cuasiestático clásico, en particular el de Daniel Whitney, describe los dos modos de fallo principales. El atasco se produce cuando las fuerzas y los momentos aplicados al pasador están en una proporción inadecuada para moverlo; el acuñamiento se produce cuando el pasador toca el orificio en dos puntos y la fricción lo bloquea. Los chaflanes en el pasador o en el orificio y la complianza en la muñeca ayudan a guiar el pasador hacia dentro. El dispositivo de complianza de centro remoto, desarrollado en el Charles Stark Draper Laboratory, es una muñeca pasiva que sitúa su centro de complianza cerca de la punta del pasador, de modo que las fuerzas de contacto corrigen por sí solas los errores laterales y angulares.

Una estrategia activa típica divide la tarea en fases: aproximación; búsqueda del orificio con un movimiento en espiral o inclinado mientras se presiona ligeramente sobre la superficie; alineación una vez que el pasador cae parcialmente en el orificio; e inserción bajo control de fuerza o de impedancia vigilando los atascos. La visión suele encargarse de la alineación gruesa y la detección de fuerza de la última fracción de milímetro. Los métodos basados en aprendizaje, incluidos el aprendizaje por refuerzo y las políticas residuales añadidas a un controlador diseñado a mano, se evalúan a menudo en la inserción de pasador en orificio, al igual que los métodos a nivel de categoría que deben insertar piezas de forma variable sin un modelo de cada una. Los conectores y las piezas de encaje a presión con holgura casi nula añaden la necesidad de empujar a través de la interferencia sin perder la alineación.

Por qué importa

La inserción es una de las operaciones más comunes del ensamblaje y una de las más difíciles de automatizar sin utillajes y calibración precisos. Los métodos que la resuelven de forma fiable bajo incertidumbre son un paso clave hacia células de ensamblaje flexibles que puedan cambiar de pieza sin tener que rediseñarse.

Aplicaciones clave

Montaje de pernos, ejes y rodamientos en el ensamblaje mecánico
Conexión de cables y conectores en el ensamblaje electrónico y en la carga
Evaluación comparativa del control de fuerza y de métodos de aprendizaje ricos en contacto
Inserción de elementos de fijación y tornillos
Manipulación a nivel de categoría con geometría de pieza variable

En la práctica

Un integrador que automatiza el montaje de pernos de acero en alojamientos mecanizados tiene un robot cuyo error de posicionamiento tras la calibración es mayor que la holgura del alojamiento. En lugar de perseguir más precisión, monta un sensor de fuerza/par de seis ejes en la muñeca y ejecuta un controlador de impedancia con baja rigidez lateral. Una cámara localiza la pieza con un margen de unos pocos milímetros. El robot se aproxima por encima del orificio, presiona ligeramente hacia abajo y traza una pequeña espiral; cuando la fuerza hacia abajo cae y el momento medido indica que el perno ha empezado a entrar, pasa a una fase de inserción que empuja hacia abajo dejando que la muñeca ceda lateralmente. Si la fuerza axial supera un umbral antes de alcanzar la profundidad objetivo, el controlador lo trata como un atasco, retrocede ligeramente y vuelve a intentarlo con una pequeña corrección de inclinación basada en los momentos medidos.

Ideas erróneas comunes

Una mejor calibración hace innecesaria la detección de fuerza — las holguras estrechas suelen estar por debajo de lo que pueden lograr un robot y una cámara estándar, por lo que sigue siendo necesaria la corrección basada en el contacto
Empujar más fuerte libera un pasador atascado — el atasco y el acuñamiento se deben a la dirección de las fuerzas y a la fricción en los contactos, y la fuerza adicional suele empeorarlos
La inserción de pasador en orificio es un problema de juguete resuelto — la geometría sencilla oculta una dificultad real con holguras estrechas, piezas flexibles, materiales variados y formas de pieza desconocidas
La complianza tiene que venir del controlador — la complianza pasiva de la muñeca, los chaflanes de las piezas y el diseño de los utillajes pueden hacer gran parte del trabajo sin control de fuerza activo

Quién debería saberlo

Ingenieros de ensamblaje y automatización
Investigadores en control de fuerza y manipulación
Investigadores de aprendizaje robótico que trabajan en tareas ricas en contacto
Diseñadores de piezas y utillajes para el ensamblaje automatizado

Tecnologías relacionadas

Dispositivo de complianza de centro remoto (Remote Center Compliance Device)
Sensor de fuerza/par de seis ejes (Six-Axis Force-Torque Sensor)
Estrategias de búsqueda en espiral
Aprendizaje por refuerzo rico en contacto (Contact-Rich Reinforcement Learning)
Diseño de piezas achaflanadas

Términos relacionados

Proyectos relacionados

MuJoCo: DeepMind physics engine for robotics and ML research
ManiSkill: GPU-parallelized simulation for generalizable manipulation skills
robosuite: Modular MuJoCo simulation framework for robot learning research
LIBERO: Lifelong robot learning benchmark with 130 procedural tasks
Gymnasium-Robotics: Robotics RL benchmark environments for Gymnasium, from the Farama Foundation
MetaWorld: Multi-task and meta RL benchmark for robotic manipulation