Memory-updated-based Framework for 100% Reliable Flexible Flat Cables Insertion

要約

自動アセンブリラインは、さまざまなタスクで人間の労働をますます置き換えています。
ただし、柔軟なフラットケーブル（FFC）挿入の自動化は、効果的なフィードバックと動的操作のための必要な要件が高いため、未実現のままです。
視覚ベースの触覚センサーや補強学習など、多くのアプローチが提案されているにもかかわらず、人間のような高信頼性の挿入の実装（つまり、挿入が完了した100％の成功率）の実装は大きな課題です。
FFC挿入における人間の行動からインスピレーションを得て、3次元の力を検知し、物理的概念に変換し、推定を継続的に改善することを伴い、新しいフレームワークを提案します。
このフレームワークには、3次元の触覚データを収集するためのセンシングモジュール、このデータを意味のある物理シグナルに解釈するための知覚モジュール、および信頼性の推定と制御のためのベイジアン理論に基づくメモリモジュールが含まれます。
この戦略により、ロボットは物理状態を正確に評価し、信頼できるステータスの推定と是正措置を生成することができます。
実験結果は、このフレームワークを使用してロボットが97.92％の精度で0.5 mmのアライメントエラーを検出し、数回の繰り返しの後にすべての完了したテストで100％の成功率を達成できることを示しています。
この作業は、複雑な挿入タスクにおける信頼できない知覚と制御の課題に対処し、完全に自動化された生産ラインの開発への道を強調しています。

要約(オリジナル)

Automatic assembly lines have increasingly replaced human labor in various tasks; however, the automation of Flexible Flat Cable (FFC) insertion remains unrealized due to its high requirement for effective feedback and dynamic operation, limiting approximately 11% of global industrial capacity. Despite lots of approaches, like vision-based tactile sensors and reinforcement learning, having been proposed, the implementation of human-like high-reliable insertion (i.e., with a 100% success rate in completed insertion) remains a big challenge. Drawing inspiration from human behavior in FFC insertion, which involves sensing three-dimensional forces, translating them into physical concepts, and continuously improving estimates, we propose a novel framework. This framework includes a sensing module for collecting three-dimensional tactile data, a perception module for interpreting this data into meaningful physical signals, and a memory module based on Bayesian theory for reliability estimation and control. This strategy enables the robot to accurately assess its physical state and generate reliable status estimations and corrective actions. Experimental results demonstrate that the robot using this framework can detect alignment errors of 0.5 mm with an accuracy of 97.92% and then achieve a 100% success rate in all completed tests after a few iterations. This work addresses the challenges of unreliable perception and control in complex insertion tasks, highlighting the path toward the development of fully automated production lines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google