Qué hace que las tareas ricas en contacto sean difíciles
La manipulación rica en contacto — inserción, atornillado, pulido, encaje de clavijas, enrutamiento de cables — implica un contacto sostenido y sensible a la fuerza entre el robot y los objetos. Pequeños errores de posición conducen a atascos o fuerzas excesivas. La dinámica de contacto es discontinua, difícil de simular con precisión y altamente sensible a las tolerancias geométricas.
Enfoques clásicos vs aprendidos
Los enfoques clásicos utilizan control de impedancia con patrones de búsqueda en espiral y umbrales de fuerza. Funcionan de manera confiable para geometrías conocidas, pero requieren una extensa afinación por tarea. Los enfoques aprendidos (clonación de comportamiento, RL con observaciones de fuerza) pueden manejar más variación, pero necesitan datos de demostración de alta calidad con sensores de fuerza y torque. Los mejores resultados actuales combinan ambos: utilizan el aprendizaje para la estrategia de alto nivel y el control clásico para la regulación de fuerza de bajo nivel.
Recolección de datos para tareas de contacto
Grabar datos de fuerza y torque junto con observaciones visuales es esencial. Utiliza teleoperación líder-seguidor para una transmisión de fuerza intuitiva. Filtra las demostraciones donde el operador aplica fuerzas correctivas excesivas. El OpenArm de SVRC con sensores táctiles PaXini proporciona el conjunto de sensores necesario para la recolección de datos ricos en contacto.