| 查看: 59 | 回复: 0 | |||
[交流]
DEFT 仿真落地Kinova 机械臂，助力分叉线束机器人自动化落地
|
|
BlueRobots上海蓝色萝卜自动化科技有限公司是一家专注于机器人领域的技术型企业，致力于为客户提供高性能硬件和人工智能算法的全套机器人相关软硬件解决方案。公司核心团队成员来自哈尔滨工业大学、上海交通大学等知名院校，以及ABB、Universal Robots等国际机器人公司，拥有十余年的研发制造经验。 BlueRobots在ABB协作机器人应用领域深耕，提供包括机器人系统集成、机器视觉、灵巧手、六维力传感器等在内的成套解决方案。公司通过先进的控制技术和核心技术驱动，专注于协作机器人的应用开发与市场推广，帮助客户实现工业自动化和智能化转型。 通过BlueRobots平台，您可以轻松购买各种机器人相关产品，省心省事省力。我们专注于为用户提供专业、便捷且经济实惠的机器人系统及定制服务，帮助您实现更多可能。 汽车与航空制造中，分叉线束装配长期依赖人工。线缆分支节点受力复杂、弯折形变难以预判，机器人想要自主完成布线、穿孔，最大难点就是无法实时精准模拟分叉线缆动态变化。密歇根大学研究团队研发 DEFT 可微分分支弹性杆仿真算法，并采用Kinova Gen3 协作机械臂搭配Franka 机器人搭建双机实验平台，实打实完成真实线束操控测试。依托Kinova灵活的多自由度结构与力传感能力，DEFT 顺利通过形状匹配、线缆穿孔两大工业实操验证，大幅提升柔性分叉线缆自动化作业成功率。 车间工况杂乱，零部件遮挡线缆，视觉没办法全程捕捉线缆形态，机器人只能依靠初始数据做开环运算，长时间作业误差不断累积；另一方面现有仿真方案难以平衡精度和速度，高精度有限元 FEM 计算动辄秒级起步，达不到机器人实时控制要求，轻量化神经网络又极度依赖海量数据集，换一款线束就要重新采集数据。早前单线缆仿真框架 DEFORM 直接拼接后，完全无法处理分叉节点力学传递，节点处线缆极易出现分离、变形失真。另外量产线束分叉位置大多注塑硬胶，节点近乎刚性，分支形变会互相联动，常规仿真很难还原这一物理特征。研究团队提出 DEFT 混合仿真框架，结合物理弹性杆理论与图神经网络，同时借助Kinova Gen3 机械臂全场景实测优化模型参数，相关研究成果发布在arXiv预印本平台。 DEFT 在离散弹性杆理论基础上升级改造，把整根分叉线缆拆分为主干父分支与多条子分支，两种结构分开运算，仅在节点位置通过约束实现力学关联，天然适配并行加速计算。实验里，Franka 固定夹持线束端头，Kinova Gen3 凭借 7 轴冗余自由度优势，实现线束端头、中段任意位置夹持，完美复现工厂随机抓取工况，机械臂自带的扭矩传感器采集的数据，用来反向标定线缆质量、刚度等物理参数。 在数值求解层面，DEFT 推导出弯曲、扭转势能的解析梯度公式，告别传统自动微分带来的冗余计算，计算效率直接翻倍，单步仿真耗时压缩至毫秒级别，刚好匹配Kinova 机械臂高频实时控制需求。数值积分带来的累计误差是长时序仿真通病，DEFT 引入图卷积 GNN 构建残差学习模块，把线缆拓扑结构转化为邻接矩阵，结合顶点位置、速度信息预测位移补偿量，修正欧拉积分带来的偏差。对比单纯使用全连接神经网络，基于图结构的 GNN 能精准捕捉跨分支形变传递规律，有效降低长时间开环预测误差，Kinova 实测的末端点位数据作为网络训练真值，持续优化模型精度。 为贴合工业线束真实物理属性，DEFT 增加三重约束条件，全部基于动量守恒原理求解修正位移。不可伸长约束固定线缆原始长度，杜绝仿真中线缆异常伸缩；节点附着约束锁定父子分支交汇点位，避免支线从主干脱落；近刚性约束参考线束分叉塑胶结构，限制分支端点相对转角，还原节点刚性联动特性。多项消融实验证明，任意一类约束删除后，仿真结果都会剧烈失真。其中近刚性约束阈值依托Kinova 关节力矩反馈数据标定，让仿真环境和真实线束物理表现高度统一。 研究人员搭建Kinova+Franka+OptiTrack 动捕的完整实验台，制作四种不同刚度、不同分支数量的实测线束，划分两组实验：一组双臂分别固定线束两端，另一组Franka 锁死端头、Kinova 自由夹持线缆中段，所有测试统一仅输入初始位置信息，连续开环预测 5 秒时长线缆运动状态，横向对比FEM、Tree-LSTM、DEFORM 改良版、普通 GCN 四种主流方案。 从预测精度来看，以 5 秒预测 RMSE 误差作为评判标准，DEFT 整体表现仅次于超高精度超细网格 FEM，但后者单步仿真耗时上百秒，完全不能用于实时控制。在Kinova 参与的中段夹持难点工况下，传统 Tree-LSTM 平均误差接近 6 厘米，DEFT 仅 1.49 厘米，优势十分突出。运算速度方面，DEFT 单次仿真耗时 0.00825 秒，满足 100Hz 实时运行标准，输出指令可以无缝对接Kinova 底层控制系统，其单次轨迹规划速度是精细网格 FEM 的近两千倍，远优于改良 DEFORM 算法。 依托 ARMOUR 轨迹规划算法，团队使用Kinova作为执行臂开展实物工业测试，分别做线束外形复刻与线头穿孔试验。在 40 次外形匹配试验中，Tree-LSTM 仅 2 次成功，改良 DEFORM 成功 10 次，去掉节点刚性约束的 DEFT 简化版本成功 27 次，完整版 DEFT 达成 35 次成功，成功率 87.5%。穿孔任务要求 Kinova夹持线缆中段，引导线头穿过 2.5 厘米圆孔，35 轮测试里基线模型几乎全线翻车，DEFORM 仅 4 次成功，DEFT 最终 29 次顺利穿入，成功率超 82%。实拍画面可见，传统模型仿真形变严重偏移，即便Kinova 拥有高精度重复定位能力，也无法跟随错误路径完成作业；缺失节点约束的 DEFT 分支翘曲失控，只有完整 DEFT 可以精准预判形变，指导Kinova 平稳完成整套装配动作。 依托Kinova平台落地验证后，研究团队也梳理出 DEFT 现存三处不足，后续优化工作将结合Kinova机械臂硬件特性推进。第一，当前模型需要提前录入穿孔孔洞坐标，无法自主识别未知环境目标，后续计划搭配Kinova可搭载的深度相机，结合高斯泼溅三维重建技术实现目标自主检测；第二，算法暂未纳入夹爪姿态影响，Kinova 夹爪不同夹持角度会改变线缆局部形变，未来新增夹爪 - 线缆耦合模型，利用末端六维力传感器数据完善参数；第三，缺少线缆与工装之间的碰撞、摩擦仿真，后续补充接触力学模块，借助Kinova 全关节扭矩信号识别碰撞，进一步拓展复杂场景适配能力。 DEFT 仿真搭配Kinova协作机械臂，为线束自动化带来可行落地路径。借助 DEFT 实时精准预测，Kinova 作业时不用依靠视觉反复调试纠错，大幅缩减单根线束装配时间，一条自动化产线可替代多名人工，显著压缩用工成本。同时混合物理 + 深度学习的建模方式，大幅减少神经网络训练所需数据，新规格线束调试周期大幅缩短，Kinova 开源的 Kortex、ROS 生态也能降低企业二次开发成本。 |
回复此楼» 猜你喜欢
高精度光反应釜（±0.5℃）品牌推荐：温控技术与售后保障
已经有0人回复
-
趋势洞察：聚焦智能化——引领行业的智慧实验室设计公司与核心设备商
已经有0人回复
-
工程热物理与能源利用论文润色/翻译怎么收费?
已经有162人回复
-
高温原位观察夹杂物对奥氏体晶界迁移的钉扎作用
已经有0人回复
-
热式气体流量计源头厂家推荐，直供更省心
已经有0人回复
-
高性价比氦氖激光器厂家推荐
已经有0人回复
-
双辊连铸无Co马氏体时效钢热处理过程中的相变机制
已经有0人回复
-
AMT连续流靠谱代理商推荐：长期合作、信誉优先
已经有0人回复
-
国产气体罗茨流量计厂家哪家靠谱？实力品牌盘点
已经有0人回复
-
费希奥自控80GHz雷达液位计：集研发、生产、销售于一体的源头企业
已经有0人回复
