earticle

영어

Recently, research on the autonomous manipulation of robots for manufacturing automation has been actively conducted. Although vision AI-based recognition technology is applied to enable robots to perceive situations and work in unstructured environments without human teaching, the success rate of the task decreases due to errors in the estimated position and orientation of the object. Especially in contact-rich tasks such as assembly, jamming caused by pose estimation errors can damage the assembly. To overcome this problem, this study proposes a control methodology that combines a regression network for estimating misalignment errors based on contact force/torque data obtained during peg-in-hole insertion and a parallel position/force controller. This approach enables peg-in-hole insertion tasks independent of gain tuning and overcomes jamming issues caused by misalignment of the assembly.

한국어

최근 제조 자동화를 위한 로봇의 자율조작에 관한 연구가 활발히 진행되고 있다. 로봇이 사람의 교시 없이 상황을 인식하고 비정형 환경에 대응하여 작업하기 위해 비전 AI 기반의 인식기술이 적용되고 있지만, 작업물 위치 및 자세 추정값에 존재하는 오차로 인해 작업의 성공률이 낮아진다. 특히 조립과 같이 다중접촉이 발생하는 작업의 경우 조립물 의 자세 추정 오차로 인한 재밍으로 조립물이 손상될 수 있는데, 이를 극복하기 위해 본 연구에서는 펙인홀 삽입 작업 중 획득한 접촉 힘/토크 데이터를 기반으로 비정렬 자세 오차를 추론하는 회귀 네트워크와 병렬 위치/힘 제어기를 결합 하는 제어방법론을 제안한다. 이를 통해 게인 조정에 독립적인 펙인홀 삽입 작업이 가능하고 비정렬로 인한 재밍 현상 발생 문제를 극복할 수 있음을 확인하였다.