[论文解读] Robots Assembling Machines: Learning from the World Robot Summit 2018 Assembly Challenge

Felix von Drigalski, Christian Schlette+6 more|arXiv (Cornell University)|Nov 14, 2019

Robot Manipulation and Learning参考文献 3被引用 6

一句话总结

本文分析了2018年世界机器人大会装配挑战赛，识别出参赛队伍中占主导地位的两种策略：使用现成组件的常规机器人工作单元，以及采用新型软件与协作机器人定制构建的系统。优胜队伍通过整合基于CAD的物体检测、力控技术与回放编程，实现了最佳性能，展示了在工业装配任务中兼顾可靠性与自主性的平衡方法。

ABSTRACT

The Industrial Assembly Challenge at the World Robot Summit was held in 2018 to showcase the state-of-the-art of autonomous manufacturing systems. The challenge included various tasks, such as bin picking, kitting, and assembly of standard industrial parts into 2D and 3D assemblies. Some of the tasks were only revealed at the competition itself, representing the challenge of "level 5" automation, i. e., programming and setting up an autonomous assembly system in less than one day. We conducted a survey among the teams that participated in the challenge and investigated aspects such as team composition, development costs, system setups as well as the teams' strategies and approaches. An analysis of the survey results reveals that the competitors have been in two camps: those constructing conventional robotic work cells with off-the-shelf tools, and teams who mostly relied on custom-made end effectors and novel software approaches in combination with collaborative robots. While both camps performed reasonably well, the winning team chose a middle ground in between, combining the efficiency of established play-back programming with the autonomy gained by CAD-based object detection and force control for assembly operations.

研究动机与目标

• 记录并传播参与2018年世界机器人大会装配挑战赛的团队所获得的经验教训，以加速自主工业装配技术的发展。
• 分析参赛队伍所采用的技术与组织方法，重点关注系统设计、开发成本与团队构成。
• 通过赛后调查与现场数据，识别机器人操作、感知与控制在工业自动化中的趋势与最佳实践。
• 通过评估在真实装配任务中现成解决方案与定制创新之间的平衡，为未来机器人竞赛提供基准。
• 强调在时间压力下，感知、控制与规划在自主制造系统中集成的重要性，特别是针对工业装配场景。

提出的方法

• 对参加2018年世界机器人大会装配挑战赛的14支队伍进行了全面调查，收集了关于团队构成、开发成本、系统架构与策略的数据。
• 分析了比赛期间的视频记录，以评估不同队伍在实时系统性能、任务执行与故障模式方面的表现。
• 将队伍划分为两大类：使用标准机器人工作单元与现成组件的队伍，以及依赖定制末端执行器与新型软件的协作机器人队伍。
• 评估优胜队伍系统中基于CAD的物体检测与力控技术的整合，以实现在无预编程轨迹情况下的精确、自主装配。
• 对重复性任务采用回放编程以确保可靠性，同时结合自适应控制实现零件插入与对准。
• 将研究发现整合为一个比较框架，用于评估工业机器人系统中模块化、定制化与性能之间的权衡。

实验结果

研究问题

• RQ1 在2018年世界机器人大会装配挑战赛中，参赛队伍采用的主要技术与组织策略是什么？
• RQ2 与采用新型软件和协作机器人的定制化系统相比，使用现成组件的机器人工作单元在性能与开发成本方面表现如何？
• RQ3 在时间压力下，感知与控制技术（如基于CAD的物体检测与力控）在实现成功自主装配方面发挥了多大作用？
• RQ4 在真实装配任务中，回放编程在与自适应控制结合时，对实现可靠性能起到了何种作用？
• RQ5 如何设计机器人竞赛，以促进创新，同时确保工业相关性，并实现机器人操作技术的可衡量进展？

主要发现

• 优胜队伍通过将重复性任务的回放编程与基于CAD的物体检测及力控技术结合，实现了最佳性能，展示了可靠性与适应性平衡的混合策略。
• 采用现成组件与传统机器人工作单元的队伍在需要高重复性与最小定制化的任务中，取得了稳定且可预测的结果。
• 采用新型软件与协作机器人的定制化系统在处理意外的零件朝向与装配差异方面表现出更高的灵活性，尽管开发复杂度更高。
• 力控技术显著提高了在公差要求严格的插入任务中的成功率，尤其是在与基于视觉的姿态估计结合时。
• 开发成本差异显著，定制化解决方案通常需要更多时间与资源，但具备更高的创新潜力与任务特定优化空间。
• 比赛揭示了两类队伍之间的明显分野：一类注重通过标准化实现鲁棒性，另一类则通过软件创新强调适应性；而最成功的队伍有效弥合了这两种方法。