Automating Deformable Gasket Assembly

要約

ガスケットの組み立てでは、変形可能なガスケットを狭いチャネルに位置合わせして押し込む必要があります。
この作業は、自動車、家電製品、電子機器、その他の製品の製造における表面のシールでは一般的です。
ガスケットの組み立ては長期にわたる高精度の作業であり、ガスケットをチャネルに合わせて完全に押し込んで確実に固定する必要があります。
アプローチを比較するために、ガスケット アセンブリの 4 つの手法 (深層模倣学習による 1 つのポリシーと 3 つの手続き型アルゴリズム) を紹介します。
これらの方法を 100 回の物理的試行で評価します。
結果は、Binary+ アルゴリズムはストレート チャネルで 10/10 で成功するのに対し、250 人の人間による遠隔操作デモンストレーションに基づいて学習されたポリシーは 8/10 のトライアルで成功し、大幅に遅いことを示唆しています。
コード、CAD モデル、ビデオ、データは、https://berkeleyautomation.github.io/robot-gasket/ で見つけることができます。

要約(オリジナル)

In Gasket Assembly, a deformable gasket must be aligned and pressed into a narrow channel. This task is common for sealing surfaces in the manufacturing of automobiles, appliances, electronics, and other products. Gasket Assembly is a long-horizon, high-precision task and the gasket must align with the channel and be fully pressed in to achieve a secure fit. To compare approaches, we present 4 methods for Gasket Assembly: one policy from deep imitation learning and three procedural algorithms. We evaluate these methods with 100 physical trials. Results suggest that the Binary+ algorithm succeeds in 10/10 on the straight channel whereas the learned policy based on 250 human teleoperated demonstrations succeeds in 8/10 trials and is significantly slower. Code, CAD models, videos, and data can be found at https://berkeleyautomation.github.io/robot-gasket/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google