LABIT:把机器人装配评测从“单次插入”拉到整件产品

一根定位销进孔,机器人可能做得很漂亮;盖上中壳后才发现定位销偏了半毫米,下一颗螺钉便对不上。工业装配的难处往往藏在这种先后关系里。卡尔斯鲁厄应用技术大学团队10月12日提交的 LABIT 预印本,给研究者一件可复现的多阶段装配件,以及同时报告局部动作和整件装配表现的协议。这份成绩单同时列出单步可靠度和整段流程的表现。

LABIT:把机器人装配评测从“单次插入”拉到整件产品主题技术信息图

一件装配件,三层依赖

LABIT 模仿电驱动产品结构,包含底部壳体、中部壳体模块及最终集成三个逐层依赖的子装配;共59个被评估的动作原语,分为抓取25次、重定向2次、插入24次、拧紧5次、卡扣1次、压装1次、夹紧1次。59指完整流程中的动作原语数,不对应零件种类或独立实验次数。螺钉、销、插头、O形圈、软管等采用标准件,特定外壳、转子、PCB替代件和齿轮等采用3D打印件。论文估算零件费用约90欧元;这只是所述材料方案的费用,并未包括机器人、夹爪、相机、六维力传感器或实验室工时。

任务包含齿轮对准与插入、模块翻转、中壳放置、连接器插入、螺丝旋入等。定位销与孔之间的间隙在作者示例中为0.5毫米。系统提供三个上料规划等级:1级由供料器确定位置;2级零件在板上无定向放置;3级零件在盒内杂乱堆放。固定夹具里的壳体位置不随上料等级改变。由固定供料器起步,可以先测接触控制,再引入检测、抓取和规划的不确定性。但论文的物理基线只评测了1级,不能据此填写2、3级的成功率。

一次装配要经历抓取、翻转、装配、再抓取;前一步的偏差会传到后一步。外壳可能在夹爪里滑动,目标孔位与示教位置就发生偏移;即使上一步程序返回“成功”,下一步接触力曲线也可能暴露偏差。故障恢复实验应保存这条误差传播链,仅记录插入成功率会漏掉起因。

从供料到接触:分清算法负责哪一段

三个上料等级使用同一套产品。作者明确限定变化发生在螺钉、销、插头和齿轮等逐件取放零件的初始摆放;底、中、顶壳体始终在指定夹具位置,后续任务序列及单项装配复杂度分类不随等级改变。因而用等级一与等级三比较时,不能把成绩变化一概归因于插入控制:抓取前的检测、目标物分割、抓取姿态选择及取出后的定位都会变。可在同一等级单独对比视觉模块,再以统一抓取后位姿分布考查接触控制;两种实验回答不同问题。

更细地看,底壳是承载基础,PCB需要从插座处夹取并压到弹簧针上;转子从轴端夹取后与定子对中;中壳抓侧面槽口翻转半圈,放下前又要同时对准转子轴和两个销。顶壳对销定位,螺钉还需对准通孔;软管不能夹得过紧以免压瘪,管夹的最终固定也有单独判据。这些动作的传感边界不一样:腕部相机可以帮助判断取件与粗对位,腕部力矩可以提示接触突变,却无法单凭轴向力确认隐藏连接器已经正确接合;末端转到目标角度,也不能证明夹爪内的工件未滑动。复核记录应同时保留接触前位姿估计、接触中的力与速度,以及接触后的独立验收结果。

按论文的层级图,原语构成有指定顺序的子任务,子任务再构成底壳、中壳模块、最终集成三阶段。建议把失败定位到这三层中的最小可判定单元:零件是否存在及方向是否正确,夹持时相对位姿是否改变,进入导向后有无卡滞,装后是否满足位置或机械固定判据。测试中的人工校正应该记录校正对象和耗时,而不是笼统写为一次成功;这样才能判断所谓长时序能力到底来自自主恢复,还是来自把前一道误差留给操作者清除。

指标怎样算,哪些数不能直接相乘当成实测整机良率

论文给每个动作按公差、几何、材料接触刚度三轴评分,形成复杂度点数 Pᵢ;操作 i 的可靠度 Rᵢ 是 N 次重复中成功次数除以 N,单项分数 Sᵢ=PᵢRᵢ,子任务和总分再按原语加总。材料轴采用两接触件的等效弹性模量,既考虑高刚度时卡滞,也考虑太软时形变使刚体假设失效。这个复杂度表是研究比较所用的初始分类,跨实验室调整档位时应公开阈值。

文中的子装配可靠度定义为各原语 Rᵢ 的乘积;这是评估协议的组合量。实物实验为继续测后面的动作,会在原语失败后人工纠正装配状态。因此,后续原语的样本不等于“前一步失败后无人干预、真实连续运行”的样本。把乘积叫作估算的链式可靠度合适,把它说成无干预整机实测良率就会改变分母和试验条件。作者也要求记录人工介入、总耗时和各子装配耗时。复核时可另列零人工干预的整机完工次数、故障恢复次数和中止位置,与组合指标并排报告。

作者还测量插入轴向和横向力信号的平方均值及力变化率的离散程度。这些指标适合定位卡滞和振荡,不宜简单解释为机械功或能耗。总评分用于排序,耗时和接触力作为诊断量。对工程团队而言,分别观察操作类型、子装配、难度轴与时序位置,才有机会分清“定位误差”“夹持漂移”和“接触控制不稳”。

LABIT:把机器人装配评测从“单次插入”拉到整件产品工程方法示意图

五次物理基线透露了什么

基线采用 ROS 2/ros2_control 和手工设计的力—位置原语,插入时沿目标方向维持预定力,旋螺丝时保持接触并转动末端。机械臂配平行夹爪、腕部 RGB-D 相机与力矩传感器,但该基线控制流程没有把视觉用于在线纠偏。论文报告5次基线执行:抓取类平均可靠度100%,插入类82.3%,拧紧类80%;外壳模块重定向与对准的一个动作可靠度为0%,相关子装配按乘积协议得到0%。这些百分比来自五次重复下不同原语的聚合或个别动作,不能推断成大样本量化的厂线可靠性。平均整件装配耗时32分钟,分解为9.8、9.7及12.5分钟;实物速度为安全而设得较低,时间不是产线节拍承诺。

失败照片里有定位销卡滞、外壳对位不准、插头插入失败、翻转时夹爪打滑、螺钉偏孔。抓取100%的结果依赖确定位置的供料条件;持物翻转时仍可能滑移。“夹起来了”和“工件在夹爪中位置已知”需要分别检查。若研发目标是解决这类短板,策略可以从抓取后的视觉或触觉位姿重估、接触后微调与失败回退入手,再在相同供料等级下与手工基线对照。此处是建议的实验路线,非论文已验证的改进结果。

作者提供 MuJoCo 场景,通过几何凸分解与球形近似处理接触,记录末端位姿、关节和力矩数据;模拟与实物对比复现接触事件的大致时刻及量级。实际夹持位姿、夹具偏差以及名义摩擦/阻尼参数会改变多轴力曲线。MuJoCo 官方文档说明的是引擎建模和接触计算机制,不能替这套零件验证摩擦系数。纸面上的“仿真可比”要落到每个装配动作的接触时刻、峰值力和失败模式配对,而非只看动画顺畅。

怎样读一张基线成绩单

从抓取平均百分之百、插入平均八成多,可以提出一个具体但尚未证实的诊断:在确定供料条件下,瓶颈可能更靠近接触对位,而非取件是否成功。检验时需逐个原语列出五次二元结果,区分同一类动作内部的易难差别,并把失败视频与当次起始位置配对。一个零成功的重定向动作会令所属子装配的可靠度乘积归零,即使其他动作改善,总乘积也暂时不动;因此只看总分会遮蔽局部进步。复杂度加权分数又回答另一问题:改进的是否是更苛刻公差、更难接触条件下的动作。两种量均应保留,不能互相替代。

力曲线比较也应控制时序和坐标系:轴向、横向分量须说明是工件坐标还是末端坐标;对齐首次接触时刻后再比较峰值与振荡,标出夹爪滑移和人为复位的区段。平方均值会受到整段动作持续时间与非接触片段比例影响,因此需要相同窗口。仿真对比宜先取接触事件、方向和数量级,再检查真实与模型中哪一种零件配合造成系统偏差。若模型仅把力峰值拟合得像,却不能再现偏孔后卡滞,不能把它当成故障恢复策略的可靠试验台。

一份可直接启动的复核清单

建议先下载项目页的BOM、CAD、打印设置与评测协议,记录打印机标定、零件批次和配合公差。用固定供料器复现1级,按原语保存时间戳、成功/失败、人工介入、夹爪姿态、相机帧及六维力。对有接触的动作保留原始采样频率与滤波参数;预先定义“就位”“力超限”“滑移”“重试”的判定标准,避免只凭视频主观评分。

随后做两个独立对照:保持工件和速度不变,仅将控制器由基线换成新算法;保持控制器不变,再从1级切到2、3级。每次报告真实试次数与成功次数、失败后是否复位、整件零干预完成率,以及同一动作在不同初始偏差下的条件成功率。对仿真域,则把零件位姿、夹持偏差、接触刚度、摩擦列为扰动变量,挑选实物中的卡滞案例回放。所有安全阈值和停止条件先由实验室按硬件风险确定,不从本文中的研究分数推导设备安全许可。

LABIT 提供长时序装配的评测协议和手工设计原语基线。它目前覆盖低冲击装配、确定供料的物理基线;高力装配、乱堆上料与跨实验室打印一致性还留给后续验证。下一步可以记录夹持偏差后的自主恢复次数、后续完成情况、耗时和接触力。

参考资料(核验于2026-10-15)

  1. Friedrich等,LABIT: Long-Horizon Robotic Assembly Benchmark for Industrial Tasks,arXiv v1,提交于2026-10-12。https://arxiv.org/html/2610.16398v1
  2. HKA机器人装配基准项目页,资料页,网页未标发布日期。https://irp-hka.github.io/robotic-assembly-benchmark/
  3. MuJoCo 官方文档,Overview,在线文档未标固定发布日期。https://mujoco.readthedocs.io/en/stable/overview.html
  4. NIST,Guide to Operational Technology (OT) Security,2023-09-28;仅用于实验安全与可靠性语境,不作为 LABIT 结果来源。https://www.nist.gov/publications/guide-operational-technology-ot-security
分享到