Peg-in-hole insertion

Também chamado: peg insertion, peg-hole assembly
Categoria: Planning & manipulation › Manipulation
Tags: assembly, contact-rich-manipulation, force-control, compliance, benchmark

Inserir uma peça em um furo de ajuste justo; o benchmark padrão para montagem rica em contato, em que a folga costuma ser menor que o erro de posicionamento do robô.

Definição

Inserção de pino em furo (peg-in-hole insertion) é a tarefa de montagem de empurrar uma peça, o pino, para dentro de um elemento de encaixe, o furo, com uma pequena folga entre eles. Ela representa grande parte das operações de montagem reais: eixos em rolamentos, pinos em furos usinados, conectores em soquetes e fixadores em furos. Como a tarefa é fácil de enunciar, mas difícil de executar de forma confiável, ela serve há décadas como o teste padrão de montagem robótica e de controle de força.

A dificuldade é que as folgas costumam ser menores que o erro combinado de posicionamento, calibração e percepção do robô. Um robô controlado puramente por posição que esteja ligeiramente desviado ou erra o furo ou pressiona com força contra a borda. Por isso, a inserção confiável usa o contato: o robô se move até tocar, usa as forças e os momentos medidos para inferir como está desalinhado e corrige. A análise quase estática clássica, em especial a de Daniel Whitney, descreve os dois principais modos de falha. O emperramento ocorre quando as forças e os momentos aplicados ao pino estão na proporção errada para movê-lo; o acunhamento ocorre quando o pino toca o furo em dois pontos e o atrito o trava no lugar. Chanfros no pino ou no furo e complacência no punho ajudam a guiar o pino para dentro. O dispositivo de complacência de centro remoto, desenvolvido no Charles Stark Draper Laboratory, é um punho passivo que coloca seu centro de complacência perto da ponta do pino, de modo que as forças de contato corrigem sozinhas os erros laterais e angulares.

Uma estratégia ativa típica divide a tarefa em fases: aproximação; busca do furo com um movimento em espiral ou inclinado enquanto se pressiona levemente a superfície; alinhamento quando o pino cai parcialmente no furo; e inserção sob controle de força ou de impedância, observando se há emperramento. A visão geralmente cuida do alinhamento grosseiro, e o sensoriamento de força cuida da fração final de milímetro. Métodos baseados em aprendizado, incluindo aprendizado por reforço e políticas residuais adicionadas a um controlador projetado à mão, costumam ser avaliados na inserção de pino em furo, assim como métodos em nível de categoria que precisam inserir peças de formas variadas sem um modelo de cada uma. Conectores e peças de encaixe por pressão com folga quase nula acrescentam a necessidade de vencer a interferência sem perder o alinhamento.

Por que importa

A inserção é uma das operações mais comuns na montagem e uma das mais difíceis de automatizar sem dispositivos de fixação e calibração precisos. Métodos que a realizam de forma confiável sob incerteza são um passo fundamental rumo a células de montagem flexíveis que possam trocar de peça sem precisar ser reprojetadas.

Principais aplicações

Encaixe de pinos, eixos e rolamentos na montagem mecânica
Conexão de cabos e conectores na montagem eletrônica e na recarga
Benchmarking de controle de força e de métodos de aprendizado ricos em contato
Inserção de fixadores e parafusos
Manipulação em nível de categoria com geometria de peça variável

Na prática

Um integrador que automatiza o encaixe de pinos de aço em furos usinados tem um robô cujo erro de posicionamento após a calibração é maior que a folga do furo. Em vez de correr atrás de mais precisão, ele monta um sensor de força/torque de seis eixos no punho e executa um controlador de impedância com baixa rigidez lateral. Uma câmera localiza a peça com erro de poucos milímetros. O robô se aproxima por cima do furo, pressiona levemente para baixo e traça uma pequena espiral; quando a força para baixo cai e o momento medido mostra que o pino começou a entrar, ele passa para uma fase de inserção que empurra para baixo enquanto deixa o punho ceder lateralmente. Se a força axial subir acima de um limiar antes de atingir a profundidade-alvo, o controlador trata isso como emperramento, recua ligeiramente e tenta de novo com uma pequena correção de inclinação baseada nos momentos medidos.

Equívocos comuns

Uma calibração melhor torna o sensoriamento de força desnecessário — folgas justas costumam estar abaixo do que um robô e uma câmera padrão conseguem alcançar, então a correção baseada em contato continua necessária
Empurrar com mais força solta um pino preso — o emperramento e o acunhamento vêm da direção das forças e do atrito nos contatos, e força extra geralmente os piora
A inserção de pino em furo é um problema de brinquedo resolvido — a geometria simples esconde uma dificuldade real com folgas justas, peças flexíveis, materiais variados e formas de peça desconhecidas
A complacência tem que vir do controlador — a complacência passiva do punho, os chanfros nas peças e o projeto dos dispositivos de fixação podem fazer boa parte do trabalho sem controle de força ativo

Quem deve saber

Engenheiros de montagem e automação
Pesquisadores de controle de força e manipulação
Pesquisadores de aprendizado robótico que trabalham com tarefas ricas em contato
Projetistas de peças e dispositivos de fixação para montagem automatizada

Tecnologias relacionadas

Dispositivo de complacência de centro remoto (Remote Center Compliance Device)
Sensor de força/torque de seis eixos (Six-Axis Force-Torque Sensor)
Estratégias de busca em espiral
Aprendizado por reforço rico em contato (Contact-Rich Reinforcement Learning)
Projeto de peças chanfradas

Termos relacionados

Projetos 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