CoRMA赋予机器人触觉感知能力,实现精密装配任务

CoRMA赋予机器人触觉感知能力,实现精密装配任务

1 分钟阅读•2026年5月22日•
David Kim
David Kim

一种名为CoRMA的新型元学习框架,让工业机器人能够实时适应力主导的装配任务,无需重新训练或人工示教。通过从力和运动数据中推断接触上下文,该系统在销钉插入、齿轮啮合和螺母拧紧等任务中实现了人类水平的灵巧操作,并在真实噪声条件下保持高可靠性。这可将复杂装配线的编程时间缩短数个数量级。

CoRMA如何实现力敏感装配?

CoRMA(对比式机器人运动自适应)用紧凑的6维语义接触上下文取代了传统的基于仿真的参数调整——这是一组从力、本体感知和动作历史中编码的五种接触属性(接触开始、侧向接触、导向过渡、方向、卡滞)的快照。一个因果Transformer适配器通过语义回归和力状态对比目标,在线学习推断这一上下文。在实际部署时,系统无需特权仿真器输入、人工示教或梯度更新——通过将推断出的上下文与真实接触状态匹配,在单个回合内完成自适应。

CoRMA框架示意图:Transformer处理力-本体感知-动作历史,生成6维接触上下文

关键创新在于,CoRMA将接触推断视为可复用的自适应接口,适用于相关的装配任务。无需针对每个新零件的几何形状重新优化控制器,同一个适配器可以在销钉插入、齿轮啮合和螺母拧紧等任务间共享。这对于运行混合模型装配线的工厂尤其实用。

CoRMA与FORGE及其他基线方法相比如何?

该论文将CoRMA与FORGE(一种针对力密集型操作的顶尖仿真到现实方法)进行了基准测试。FORGE在仿真中成功率通常超过95%,但在目标位姿噪声影响下,其现实表现显著下降。CoRMA在所有三个评估任务中均保持了更高的已验证现实成功率,且无需特定于仿真器的参数适配。

指标FORGECoRMA
仿真成功率>95%~95%
现实成功率(低噪声)~75%>90%
现实成功率(可控噪声)~60%>85%
自适应机制仿真器参数搜索语义接触推断
是否需要示教是否

该表显示,CoRMA在仿真性能上牺牲极少,同时实现了更强的现实鲁棒性。这对于零件公差和夹具引入不可预测力变化的工业生产线尤为重要。

测试了哪些任务,结果如何?

评估涵盖Isaac Lab / Isaac Sim 5.0以及真实Marvin机械臂上的三个代表性精密装配任务:

  • PegInsert:将销钉插入间隙较小的孔中,具有可变的倒角角度。
  • GearMesh:在低插入力下将齿轮与匹配花键啮合。
  • NutThread:将螺母拧到螺纹螺栓上,避免滑牙。

所有三个任务都要求机器人仅通过接触力来检测和纠正错误——插入阶段不使用视觉反馈。在可控目标位姿噪声下,CoRMA在每个任务上实现了超过85%的现实成功率,而FORGE在最具挑战性的螺母拧紧场景中降至65%以下。

机械臂正在进行螺母拧紧,特写显示力反馈自适应

研究人员指出,更广泛的任务泛化和Real2Sim校准仍是未解决的挑战。然而,CoRMA已经证明,单个学习到的接触上下文适配器可以在相关的装配任务族中迁移——这是柔性自动化的一个里程碑。

对工业采购者的意义

对于目前为每个新零件手动编程机器人的工厂,CoRMA风格的自适应可以将设置时间从数小时减少到数分钟。该系统无需标注数据、无需人工远程操作,也无需特定于仿真器的调整。它运行在配备力扭矩传感器的标准六轴机器人上——这些硬件在二手市场上很容易获得。

采购者要点: - 更低的集成成本:CoRMA消除了对特定任务编程的需求。相同的控制堆栈可处理多种装配变体。 - 更高的吞吐量:回合内自适应意味着机器人能够即时恢复对准偏差,减少卡滞导致的停机时间。 - 硬件无关性:该算法适用于任何配备力扭矩传感器的机械臂。现有的二手工业机器人可通过升级套件进行改造。

典型装配站的粗略成本对比:

成本因素传统编程CoRMA启用
每次新零件设置时间8–12小时1–2小时
传感器硬件$2,000–$5,000相同
软件集成$5,000–$15,000$3,000–$8,000
技能要求机器人程序员具备基本技术培训的操作员

最大的投资回报驱动力是能够在不同产品变体之间切换,而无需冗长的重新编程。对于多品种、小批量制造,CoRMA可以在几次切换后收回成本。

常见问题解答

什么是CoRMA? CoRMA(对比式机器人运动自适应)是一种元学习框架,通过从力和运动数据中推断紧凑的6维语义接触上下文,让机器人实时适应力敏感的装配任务。

CoRMA可以处理哪些装配任务? 论文评估了销钉插入、齿轮啮合和螺母拧紧。该方法旨在泛化到任何接触力决定成功标准的任务。

CoRMA与标准强化学习有何不同? 标准RL通常需要数百万次仿真步骤,且可能无法直接迁移到硬件而无需微调。CoRMA使用对比目标学习可复用的接触上下文,实现了零样本的仿真到现实迁移,部署时无需梯度更新。

CoRMA是否需要昂贵的力扭矩传感器? 是的,力反馈需要腕部力扭矩传感器。然而,这些传感器目前从多家供应商处可获取,价格在$1,000–$3,000之间,许多工业机器人已将其作为选配。

CoRMA能在旧机器人上运行吗? 可以。该框架仅为软件实现,只需要能够流式传输关节位置、速度和力读数。许多来自优傲、发那科、库卡和ABB的六轴机械臂可以与兼容的力传感器集成。

CoRMA目前是否可用? 该论文是一份研究预印本;预计将发布开源实现。工业集成商可以在同行评审后开始使用已发布的代码进行测试。

准备好用力自适应机器人取代人工装配了吗?

Boston Dynamics任命前亚马逊AI高管Rohit Prasad为首席执行官

Boston Dynamics任命亚马逊前高管Rohit Prasad为首席执行官,任命明日生效。此前,前任首席执行官Robert Playter卸任已近九个月。这一消息最先由Therobotreport报道。Prasad将接替临时首席执行官Amanda McMaster。Boston Dynamics表示,此次任命将加快其物理AI战略,结合机器人技术与先进AI,推动智能机器实现大规模商业化。

Playter于2月离任后,McMaster接任。Prasad是这家公司的第三任首席执行官;创始人Marc Raibert从公司1992年创立之初起领导公司,直至2020年。

加入Boston Dynamics之前,Prasad曾任亚马逊高级副总裁兼Alexa与通用人工智能首席科学家。在亚马逊任职的12年间,他参与了Alexa从早期阶段开始的开发,之后领导开发面向企业使用的Amazon Nova基础模型系列。在加入亚马逊之前,他在Raytheon BBN Technologies工作了近14年,负责机器学习研究及其在美国政府和商业领域的实际应用。

Prasad表示,他计划将智能机器人系统产品化,以提升工业和商业环境中的安全性、生产力和运营效率。他的经历涵盖消费级AI和企业基础模型;Boston Dynamics则表示,其战略是将先进AI与机器人技术相结合,推动智能机器实现商业化。

现代汽车集团副会长、Boston Dynamics董事会主席Jaehoon Chang表示,该公司的机器人技术、Prasad的AI产品经验,以及现代汽车集团在制造、物流和移动出行方面的能力,为构建并扩大物理AI规模奠定了基础。现代汽车集团于2021年从SoftBank Group手中收购了Boston Dynamics的控股权。

完成相关审批流程后,Prasad预计也将加入公司董事会。