1、基于敏感机器人技术和深度循环Q学习的高精度销孔装配方法

基于敏感机器人技术和深度循环Q学习的高精度销孔装配方法

在当今的工业生产中，高精度的装配任务一直是一个具有挑战性的领域。尤其是当任务所需的精度超过机器人本身的精度时，传统的装配方法往往难以满足需求。本文将介绍一种基于敏感机器人技术和深度循环Q学习的高精度销孔装配方法，旨在解决这一难题。

1. 引言

工业机器人在生产中，尤其是装配环节，扮演着至关重要的角色。目前，工业机器人主要用于重复性、危险或相对繁重的操作，但如今它们面临着更多的挑战，需要能够对周围环境做出反应。敏感机器人系统能够执行力或扭矩控制的应用，以实现与环境的接触。在与环境进行物理接触时，需要特殊的控制策略，单纯的位置控制或力控制都不足以完成任务，因此混合力/位置控制是一个更合理的选择。

销孔装配是一个需要与周围环境进行直接物理接触的机器人任务，已经在2D和3D环境中进行了广泛的研究。传统的在线编程方法耗时且难以适应新环境，离线编程（模拟）虽然在停机时间方面有优势，但难以模拟精确的实际环境，且在所需精度超过机器人精度时效率低下。因此，提出了一种新的技能获取技术，即让机器人使用强化学习来完成高精度的配合任务。

2. 技术现状

为了解决销孔装配的挑战，已经提出了多种技术：
- Gullapalli等人 ：研究了2D销孔插入任务，使用相关强化学习在不确定和噪声环境中学习反应控制策略，销孔间隙为0.8mm，使用Zebra Zero机器人和腕力传感器及位置编码器进行了500次连续训练。
- Hovland等人 ：提出了通过人类示范进行技能学习，并实现了隐马尔可夫模型。
-