【儀表網(wǎng) 研發(fā)快訊】長期以來，賦予機器人自主裝配能力，一直是科研人員的目標。雖然組裝任務對于人類來說可能較為簡單，但對于機器人來說，卻充滿了挑戰(zhàn)。一方面，實現(xiàn)這一目標不僅需要巨大的工程投入，更需要在理論上作出重大突破。另一方面，即便是人類在進行組裝時，也難免犯錯——可能會錯誤地安裝某個部件。但人類具備的獨特能力在于能夠在后續(xù)的過程中發(fā)現(xiàn)并糾正這些錯誤。
然而，現(xiàn)有的機器人組裝研究多聚焦于期望機器人一次性完成整個組裝過程，忽視了錯誤識別與糾正這一關鍵環(huán)節(jié)。事實上，隨著組裝任務的推進，現(xiàn)有的方法可能會導致錯誤逐漸積累，從而使后續(xù)步驟逐漸偏離預定目標，甚至最終導致整個組裝過程的中斷。圖1展示了這一錯誤積累的過程。
圖1 組裝錯誤積累示意圖
為了解決這一挑戰(zhàn)，北京大學計算機學院董豪團隊提出了一個新的研究任務——單步組裝糾錯任務，并面臨兩個全新的挑戰(zhàn)：首先，如何準確識別拼裝錯誤的組件；其次，如何糾正這些錯誤，確保組件恢復到正確位置。為了解決這兩個問題，團隊構建了一個全新的數(shù)據(jù)集——LEGO-ECA，并提出了自糾錯組裝網(wǎng)絡(SCANet)，旨在幫助機器人在組裝過程中及時發(fā)現(xiàn)并修正錯誤。
LEGO-ECA數(shù)據(jù)集是首個包含失敗樣例的組件組裝數(shù)據(jù)集，來源于基于MEPNet合成的LEGO數(shù)據(jù)集。在構建過程中，研究團隊從1429個組裝手冊中隨機挑選，將其輸入組裝網(wǎng)絡MEPNet，并通過加入高斯噪聲干擾組裝過程，成功生成了豐富的錯誤組裝樣本。最終，LEGO-ECA數(shù)據(jù)集包含約12萬種不同的錯誤樣例，成為機器人組裝任務中不可或缺的重要資源。
圖2 LEGO-ECA數(shù)據(jù)集
為了讓機器人具備自我糾錯的能力，團隊在設計網(wǎng)絡時提出了一個創(chuàng)新的思路：將已組裝的組件視為查詢對象，結合組裝手冊與組裝結果的差異，幫助機器人識別并糾正錯誤。基于這一思路構建的自糾錯網(wǎng)絡，機器人能夠在組裝過程中識別并糾正錯誤組件，從而顯著提升組裝的準確性。
圖3 自糾錯組裝網(wǎng)絡結構示意圖
實驗結果表明，與現(xiàn)有的組裝神經(jīng)網(wǎng)絡相比，SCANet在降低組裝錯誤率和優(yōu)化組裝結果方面表現(xiàn)出了顯著的優(yōu)勢，顯著提升了機器人自主裝配的準確性和穩(wěn)定性。從下圖可以看出，隨著組裝步驟的逐步增加，SCANet與MEPNet之間的差距越來越明顯。這是因為在缺乏糾錯機制的情況下，MEPNet的錯誤會隨著每一步的執(zhí)行而不斷積累，最終導致其與正確組裝路線之間的差距越來越大。
圖4 組裝結果對比
所有評論僅代表網(wǎng)友意見，與本站立場無關。