Peg-in-hole insertion

Detto anche: peg insertion, peg-hole assembly
Categoria: Planning & manipulation › Manipulation
Tag: assembly, contact-rich-manipulation, force-control, compliance, benchmark

L'inserimento di un pezzo in un foro con accoppiamento stretto; il benchmark standard per l'assemblaggio ricco di contatti, in cui il gioco è spesso inferiore all'errore di posizionamento del robot.

Definizione

Inserimento di perno in foro (peg-in-hole insertion) è il compito di assemblaggio che consiste nello spingere un pezzo, il perno, in un elemento di accoppiamento, il foro, con un piccolo gioco tra i due. Rappresenta una grande parte delle operazioni di assemblaggio reali: alberi nei cuscinetti, spine nelle sedi, connettori nelle prese e organi di fissaggio nei fori. Poiché il compito è facile da enunciare ma difficile da eseguire in modo affidabile, da decenni funge da prova standard per l'assemblaggio robotico e il controllo di forza.

La difficoltà sta nel fatto che i giochi sono di solito più piccoli dell'errore combinato di posizionamento, calibrazione e percezione del robot. Un robot controllato solo in posizione che sia leggermente fuori asse o manca il foro o preme con forza contro il suo bordo. L'inserimento affidabile sfrutta quindi il contatto: il robot si muove finché non tocca, usa le forze e i momenti misurati per dedurre come è disallineato e corregge. L'analisi quasi-statica classica, in particolare quella di Daniel Whitney, descrive i due principali modi di guasto. L'inceppamento si verifica quando forze e momenti applicati al perno sono nella proporzione sbagliata per muoverlo; l'incuneamento si verifica quando il perno tocca il foro in due punti e l'attrito lo blocca. Smussi sul perno o sul foro e cedevolezza al polso aiutano a guidare il perno all'interno. Il dispositivo a cedevolezza con centro remoto, sviluppato al Charles Stark Draper Laboratory, è un polso passivo che colloca il proprio centro di cedevolezza vicino alla punta del perno, così che le forze di contatto correggano da sole gli errori laterali e angolari.

Una tipica strategia attiva divide il compito in fasi: avvicinamento; ricerca del foro con un movimento a spirale o inclinato premendo leggermente sulla superficie; allineamento una volta che il perno entra in parte nel foro; e inserimento in controllo di forza o di impedenza sorvegliando gli inceppamenti. La visione si occupa di solito dell'allineamento grossolano e la misura di forza dell'ultima frazione di millimetro. I metodi basati sull'apprendimento, compresi l'apprendimento per rinforzo e le policy residue aggiunte a un controllore progettato a mano, vengono spesso valutati sull'inserimento di perno in foro, come pure i metodi a livello di categoria che devono inserire pezzi di forma variabile senza un modello di ciascuno. Connettori e pezzi a scatto con gioco quasi nullo aggiungono la necessità di forzare l'interferenza restando allineati.

Perché è importante

L'inserimento è una delle operazioni più comuni nell'assemblaggio e una delle più difficili da automatizzare senza attrezzature e calibrazione precise. I metodi che lo gestiscono in modo affidabile in condizioni di incertezza sono un passo fondamentale verso celle di assemblaggio flessibili che possano cambiare pezzo senza essere riprogettate.

Applicazioni principali

Montaggio di spine, alberi e cuscinetti nell'assemblaggio meccanico
Inserimento di cavi e connettori nell'assemblaggio elettronico e nella ricarica
Benchmark del controllo di forza e dei metodi di apprendimento ricchi di contatti
Inserimento di organi di fissaggio e viti
Manipolazione a livello di categoria con geometria dei pezzi variabile

In pratica

Un integratore che automatizza il montaggio di spine d'acciaio in sedi lavorate di macchina ha un robot il cui errore di posizionamento dopo la calibrazione è maggiore del gioco della sede. Invece di inseguire una maggiore accuratezza, monta un sensore di forza/coppia a sei assi al polso ed esegue un controllore di impedenza con bassa rigidezza laterale. Una telecamera localizza il pezzo entro pochi millimetri. Il robot si avvicina sopra il foro, preme leggermente verso il basso e traccia una piccola spirale; quando la forza verso il basso cala e il momento misurato indica che la spina ha iniziato a entrare, passa a una fase di inserimento che spinge verso il basso lasciando che il polso ceda lateralmente. Se la forza assiale supera una soglia prima di raggiungere la profondità obiettivo, il controllore lo tratta come un inceppamento, arretra leggermente e riprova con una piccola correzione dell'inclinazione basata sui momenti misurati.

Idee sbagliate comuni

Una calibrazione migliore rende superflua la misura di forza — i giochi stretti sono di solito al di sotto di ciò che un robot e una telecamera standard possono ottenere, quindi serve ancora una correzione basata sul contatto
Spingere più forte libera un perno bloccato — inceppamento e incuneamento dipendono dalla direzione delle forze e dall'attrito nei contatti, e una forza maggiore di solito li peggiora
L'inserimento di perno in foro è un problema giocattolo già risolto — la geometria semplice nasconde una difficoltà reale con giochi stretti, pezzi flessibili, materiali diversi e forme dei pezzi sconosciute
La cedevolezza deve venire dal controllore — la cedevolezza passiva del polso, gli smussi sui pezzi e la progettazione delle attrezzature possono svolgere gran parte del lavoro senza controllo di forza attivo

Chi dovrebbe saperlo

Ingegneri di assemblaggio e automazione
Ricercatori di controllo di forza e manipolazione
Ricercatori di apprendimento robotico che lavorano su compiti ricchi di contatti
Progettisti di pezzi e attrezzature per l'assemblaggio automatizzato

Tecnologie correlate

Dispositivo a cedevolezza con centro remoto (Remote Center Compliance Device)
Sensore di forza/coppia a sei assi (Six-Axis Force-Torque Sensor)
Strategie di ricerca a spirale
Apprendimento per rinforzo ricco di contatti (Contact-Rich Reinforcement Learning)
Progettazione di pezzi smussati

Termini correlati

Progetti correlati

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