Système de servoing visuel basé sur l'apprentissage pour un assemblage de peg-in-hole de haute précision

Le servoing visuel est largement utilisé dans l'assemblage peg-in-hole en raison de l'incertitude de la pose. Les humains peuvent facilement aligner le peg avec le trou en fonction de points/arrêtes visuels clés. En imitant le comportement humain, nous proposons P2HNet, un réseau de neurones basé sur l'apprentissage qui peut directement extraire les points de repère souhaités pour le servoing visuel. Pour éviter de collecter et d'annoter un grand nombre d'images réelles pour l'entraînement, nous avons construit une scène d'assemblage virtuelle pour générer de nombreuses données synthétiques pour l'apprentissage par transfert. Une stratégie peg-in-hole multimodale est ensuite introduite pour combiner la recherche basée sur l'image et l'insertion basée sur la force. Le servoing visuel basé sur P2HNet et la recherche en spirale sont utilisés pour aligner le peg avec le trou de manière grossière à fine. Le contrôle de la force est ensuite utilisé pour compléter l'insertion. La stratégie exploite la flexibilité des réseaux de neurones et la stabilité des méthodes traditionnelles. L'efficacité de la méthode a été vérifiée expérimentalement dans l'assemblage d'un connecteur D-sub avec un jeu sub-millimétrique. Les résultats montrent que la méthode proposée peut atteindre un taux de réussite et une efficacité supérieurs à ceux de la méthode de référence dans l'assemblage peg-in-hole de haute précision.