任务
销钉插入
销钉为棱柱体，其横截面、尺寸、长宽比、质量和长度各不相同，每侧间隙为 1.0–1.5 mm。销钉通常从距孔约 2 cm 处开始，倾斜程度远超间隙所允许的范围。销钉完全插入孔中即为任务成功。
齿轮啮合
不同尺寸、齿数的直齿轮必须沿轴滑下，与一个或两个绕自身轴旋转的锚定齿轮啮合，齿侧间隙为 0.2–0.6 mm。每轮开始时，齿轮已接触轴端，但位置未对齐，且齿相与锚定齿轮不匹配。齿轮完全装到轴上并与其啮合即为任务成功。
螺母旋合
规格从 M24 到 M42 的公制螺母必须旋到螺栓上，螺纹间隙为 0.05–0.2 mm。每轮开始时，螺母搁在螺栓顶端，偏离轴线且倾斜。螺纹咬合后再旋转四分之一圈即为任务成功。
大规模模拟紧配合插入
针对这一分布进行训练，意味着要模拟数千个并行世界，每个世界中都有一个不同的随机生成装配体，且每侧间隙最小可达 0.5 mm。MuJoCo 通过网格的凸包进行碰撞检测，因此凹孔必须采用 SDF，或由多个凸形部件构建。模拟基准测试通常用长方体手工搭建这些结构。
结果
实验旨在回答以下问题：
- 仅感知自身关节的策略，能否学会精密装配任务，包括销钉插入、齿轮啮合和螺母旋合？
- 无视觉策略能否学会智能的、对接触作出反应的搜索，还是只会学到预先编排的动作模式？
- 与视觉策略相比，无视觉策略能否更好地泛化到训练分布之外的零件几何形状？
- 依靠丰富接触搜索的无视觉策略，能否以高保真度零样本迁移到现实世界？
本体感觉已足够
在训练分布内的几何形状上，三项任务的成功率都接近完美。因此，仅凭关节状态历史就足以找到开口、使齿轮啮合并旋入螺纹。
与通常能直接观察被抓取部件和配合部件姿态的视觉策略相比，无视觉策略可能速度较慢。在销钉插入任务中，无视觉策略必须通过接触搜索开口，因此路径不那么直接，销钉就位也晚于视觉策略。其他两项任务的差距较小；一种可能的原因是，被抓取部件遮挡了摄像头视野中的更多配合部件，导致视觉策略也必须进行一定程度的搜索。
对未见零件的泛化能力
在全部三项任务中，无视觉策略和视觉策略对于训练过的零件都很可靠。不过，面对从训练分布之外采样的装配体时，无视觉策略更加可靠。
当几何形状变化显著、导致零件外观明显改变时，视觉策略尤其容易受到影响。在使用形状不同或尺寸与训练分布相差极大的零件进行评估时，视觉策略在所有任务中的表现都持续不如无视觉策略。视觉策略学会对齐的视觉特征，可能不会出现在留出的装配体中；相比之下，无视觉策略学到的搜索策略具有更强的迁移能力。
局限性与结论
本研究获得韩国贸易、工业与能源部（MOTIE）的经费支持，资助项目为“全球产业技术合作中心计划”，由韩国技术振兴院（KIAT）监督。（Grant No. P0028435）
常见问题
无视觉策略使用哪些感知信息？ 它感知自身的关节；论文报告指出，仅凭关节状态历史就足以完成这三项装配任务。
研究考察了哪些装配任务？ 任务包括销钉插入、齿轮啮合和螺母旋合。
无视觉策略在训练分布之外的零件上表现如何？ 对于从训练分布之外采样的装配体，无视觉策略比视觉策略更加可靠。
为什么视觉策略可能难以应对未见零件？ 它们学会对齐的视觉特征，可能不会出现在留出的装配体中。