מה הופך משימות עשירות במגעים לקשות
מניפולציה עשירה במגע - החדרה, הברגה, ליטוש, חיבור לחור, ניתוב כבלים - כרוכה במגע מתמשך ורגיש לכוח בין הרובוט לחפצים. שגיאות מיקום קטנות מובילות לחסימה או לכוחות מוגזמים. דינמיקת המגע היא בלתי רציפה, קשה לדמות מדויקת ורגישה מאוד לסובלנות גיאומטרית.
גישות קלאסיות לעומת נלמדות
גישות קלאסיות משתמשות בבקרת עכבה עם דפוסי חיפוש ספירליים וספי כוח. הם עובדים בצורה מהימנה עבור גיאומטריות ידועות אך דורשות כוונון נרחב לכל משימה. גישות נלמדות (שיבוט התנהגות, RL עם תצפיות כוח) יכולות להתמודד עם יותר שונות אך זקוקות לנתוני הדגמה באיכות גבוהה עם חישת כוח-מומנט. התוצאות הנוכחיות הטובות ביותר משלבות את שניהם: השתמש בלמידה לאסטרטגיה ברמה גבוהה ובקרה קלאסית לוויסות כוח ברמה נמוכה.
איסוף נתונים למשימות יצירת קשר
רישום נתוני כוח-מומנט לצד תצפיות חזותיות חיוני. השתמש בתפעול מנהיג-עוקב להעברת כוח אינטואיטיבי. מסנן הדגמות שבהן המפעיל מפעיל כוחות תיקון מוגזמים. ה-OpenArm של SVRC עם חיישני מישוש PaXini מספקים את חבילת החיישנים הדרושה לאיסוף נתונים עשיר במגע.