Multiple Peg-in-Hole Assembly of Tightly Coupled Multi-manipulator Using Learning-based Visual Servo

要約

複数のペグインホールの組み立ては、ロボット組み立ての基本的なタスクの 1 つです。
大型部品の複数のペグインホールタスクでは、単一のマニピュレータで複数の離れたペグと穴を同時に位置合わせするのは困難であり、密接に結合されたマルチマニピュレータシステムが必要です。
このようなマルチマニピュレータのマルチペグインホール（MMPiH）タスクに対して、位置決め誤差を減らすために各マニピュレータの単眼インハンドカメラのみを使用する協調視覚サーボ制御フレームワークを提案します。
最初に、状態分類ニューラル ネットワークと測位ニューラル ネットワークをトレーニングします。
前者は画像内の釘と穴の状態を不明瞭、分離、重なりの 3 つのカテゴリに分類するために使用され、後者は画像内の釘と穴の位置を決定します。
これらの知見に基づいて、仮想力を使用して複数のマニピュレータの視覚的特徴を統合し、マルチマニピュレータシステムの協調コントローラと自然に組み合わせることができる手法を提案します。
さまざまな外観の穴に対するアプローチを一般化するために、データセット生成プロセス中に穴の外観を変更しました。
この結果、穴の外観を考慮することで、分類精度や位置決め精度が向上することが確認できた。
最後に、結果は、私たちの方法が、クリアランス 0.2 mm のデュアルマニピュレーターデュアルペグインホールタスクで 85% の成功率を達成することを示しています。

要約(オリジナル)

Multiple peg-in-hole assembly is one of the fundamental tasks in robotic assembly. In the multiple peg-in-hole task for large-sized parts, it is challenging for a single manipulator to simultaneously align multiple distant pegs and holes, necessitating tightly coupled multi-manipulator systems. For such Multi-manipulator Multiple Peg-in-Hole (MMPiH) tasks, we proposes a collaborative visual servo control framework that uses only the monocular in-hand cameras of each manipulator to reduce positioning errors. Initially, we train a state classification neural network and a positioning neural network. The former is used to divide the states of peg and hole in the image into three categories: obscured, separated and overlapped, while the latter determines the position of the peg and hole in the image. Based on these findings, we propose a method to integrate the visual features of multiple manipulators using virtual forces, which can naturally combine with the cooperative controller of the multi-manipulator system. To generalize our approach to holes of different appearances, we varied the appearance of the holes during the dataset generation process. The results confirm that by considering the appearance of the holes, classification accuracy and positioning precision can be improved. Finally, the results show that our method achieves an 85% success rate in dual-manipulator dual peg-in-hole tasks with a clearance of 0.2 mm.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google