多部件裝配在制造、汽車、航空航天、電子、醫(yī)療設(shè)備等絕大多數(shù)行業(yè)中都扮演著關(guān)鍵角色。雖然應(yīng)用廣泛，但是機(jī)器人裝配仍是一項(xiàng)極具挑戰(zhàn)性的任務(wù)。這類任務(wù)涉及復(fù)雜的交互，機(jī)器人必須通過持續(xù)的物理接觸來操控物體，對(duì)精度和準(zhǔn)確性有極高要求。當(dāng)前的機(jī)器人裝配系統(tǒng)長期受限于固定自動(dòng)化模式。這些系統(tǒng)往往為特定任務(wù)量身打造，需要大量人工工程來完成設(shè)計(jì)與部署，因而限制了其適應(yīng)性和可擴(kuò)展性。

未來的機(jī)器人裝配將走向靈活自動(dòng)化。下一代機(jī)器人必須能快速適應(yīng)新的零件、位姿和環(huán)境。將機(jī)器人技術(shù)與仿真和 AI 結(jié)合，將有助于突破當(dāng)前的限制。多年來，NVIDIA 一直在這一領(lǐng)域持續(xù)開展研究，并與優(yōu)傲機(jī)器人 (Universal Robots, UR) 展開合作，正在將這些研究創(chuàng)新成果轉(zhuǎn)化為現(xiàn)實(shí)中的工業(yè)應(yīng)用。

本文將展示在 UR10e 機(jī)器人上進(jìn)行齒輪裝配任務(wù)的零樣本仿真到現(xiàn)實(shí)遷移。這一任務(wù)在NVIDIA Isaac Lab中設(shè)計(jì)并訓(xùn)練，并使用NVIDIA Isaac ROS和 UR10e 底層扭矩接口進(jìn)行部署。我們希望所有開發(fā)者都能復(fù)現(xiàn)這項(xiàng)工作，使用 Isaac Lab 和 Isaac ROS 開發(fā)自己的仿真到現(xiàn)實(shí)應(yīng)用。

Isaac Lab 是一個(gè)用于機(jī)器人學(xué)習(xí)的開源模塊化訓(xùn)練框架。Isaac ROS 是基于開源框架 ROS 2 構(gòu)建的一套加速計(jì)算軟件包和 AI 模型，為全球 ROS 開發(fā)者帶來 NVIDIA 的計(jì)算加速能力，并提供可直接使用的常見任務(wù)模塊，如導(dǎo)航和感知等。

Isaac Lab 中接觸密集型操作的仿真

Isaac Lab 讓接觸密集型仿真成為可能，它支持精確的物理仿真和大規(guī)模強(qiáng)化學(xué)習(xí)（RL，即“通過試錯(cuò)學(xué)習(xí)”），可在數(shù)千個(gè)并行環(huán)境中運(yùn)行。而過去，這類復(fù)雜交互仿真在計(jì)算上難以處理和實(shí)現(xiàn)。

Isaac Lab 包含多個(gè)具有挑戰(zhàn)性的工業(yè)級(jí)任務(wù)，如插入銷釘、嚙合齒輪、旋緊螺栓。它支持模仿學(xué)習(xí)（基于演示數(shù)據(jù)的模仿）和強(qiáng)化學(xué)習(xí)兩種訓(xùn)練方法，適用于不同類型的機(jī)器人形態(tài)。

圖 1. Isaac Lab 中的接觸密集型仿真環(huán)境

強(qiáng)化學(xué)習(xí)是一種適用于裝配問題的強(qiáng)大方法，因?yàn)樗恍枰祟愌菔?，并且?duì)感知、控制和夾具中的誤差具有很強(qiáng)的魯棒性。然而，“現(xiàn)實(shí)差距”（仿真與現(xiàn)實(shí)世界之間的差距）仍然是一個(gè)關(guān)鍵挑戰(zhàn)。本文所展示的工作流基于 IndustReal 框架，有效地彌合了這一差距。IndustReal 是使機(jī)器人能夠通過強(qiáng)化學(xué)習(xí)在仿真中學(xué)習(xí)裝配任務(wù)，并將其遷移到真實(shí)世界的一套算法和系統(tǒng)工具包。

在 Isaac Lab 中訓(xùn)練齒輪裝配任務(wù)

齒輪裝配任務(wù)包括識(shí)別、抓取、搬運(yùn)并將多個(gè)齒輪插入對(duì)應(yīng)的軸上。圖 2 展示了任務(wù)從初始狀態(tài)到一個(gè)齒輪插入完成的過程。整個(gè)過程依賴三項(xiàng)核心技能：抓取、自由空間運(yùn)動(dòng)、插入。

圖 2. 在 UR10e 機(jī)器人上齒輪裝配任務(wù)的抓取、運(yùn)輸和插入技能

抓取生成使用現(xiàn)成的抓取規(guī)劃器來獲取零件的可行抓取位姿，運(yùn)動(dòng)與插入動(dòng)作則使用強(qiáng)化學(xué)習(xí)策略進(jìn)行訓(xùn)練。盡管機(jī)械臂的運(yùn)動(dòng)生成技術(shù)已較為成熟，可通過經(jīng)典軌跡規(guī)劃器實(shí)現(xiàn)，但訓(xùn)練基于強(qiáng)化學(xué)習(xí)的運(yùn)動(dòng)生成策略，能在應(yīng)對(duì)更具挑戰(zhàn)性的插入任務(wù)前，為策略學(xué)習(xí)框架提供有效的校準(zhǔn)與調(diào)試步驟。

圖 3 展示了基于Isaac Sim與 Isaac Lab 進(jìn)行運(yùn)動(dòng)生成和插入任務(wù)的策略學(xué)習(xí)流程。仿真環(huán)境由 Isaac Sim 提供的資產(chǎn)與場景配置構(gòu)成，訓(xùn)練環(huán)境由 Isaac Lab 提供。這兩項(xiàng)任務(wù)的策略均依賴于在 Isaac Lab 中實(shí)現(xiàn)的底層阻抗控制器。

圖 3. 使用 Isaac Sim 和 Isaac Lab 進(jìn)行運(yùn)動(dòng)生成和插入任務(wù)的策略學(xué)習(xí)流程

如圖 3 所示，運(yùn)動(dòng)生成和插入技能分別被構(gòu)建為獨(dú)立的強(qiáng)化學(xué)習(xí)問題。

運(yùn)動(dòng)生成：目標(biāo)是讓機(jī)器人從指定工作空間內(nèi)的隨機(jī)初始關(guān)節(jié)角度出發(fā)，將末端執(zhí)行器移動(dòng)到指定目標(biāo)位姿（例如抓取位姿）。觀測數(shù)據(jù)包括機(jī)器人的關(guān)節(jié)位置和目標(biāo)末端執(zhí)行器位姿，動(dòng)作空間則由關(guān)節(jié)位置目標(biāo)構(gòu)成。獎(jiǎng)勵(lì)函數(shù)會(huì)最小化末端執(zhí)行器與目標(biāo)之間的距離，同時(shí)對(duì)機(jī)器人的突然或劇烈動(dòng)作進(jìn)行懲罰。

插入任務(wù)：齒輪初始位于機(jī)器人夾具中，處于目標(biāo)軸附近的隨機(jī)采樣位姿。任務(wù)目標(biāo)是將齒輪移動(dòng)到軸的底部。觀測數(shù)據(jù)包括機(jī)器人的關(guān)節(jié)位置和目標(biāo)軸位姿，動(dòng)作空間同樣由關(guān)節(jié)位置目標(biāo)構(gòu)成。獎(jiǎng)勵(lì)函數(shù)會(huì)最小化齒輪與目標(biāo)位置之間的距離，并同樣對(duì)突然或劇烈動(dòng)作進(jìn)行懲罰。

這兩項(xiàng)技能的關(guān)節(jié)位置目標(biāo)均以 60Hz 的頻率生成，由底層阻抗控制器執(zhí)行。

智能體在多種隨機(jī)配置下進(jìn)行訓(xùn)練，包括不同的初始機(jī)械臂位姿、夾具中齒輪的位姿、齒輪尺寸以及任務(wù)整體階段（例如尚未插入任何齒輪或已插入部分齒輪）。為實(shí)現(xiàn)仿真到現(xiàn)實(shí)的遷移，還對(duì)機(jī)器人動(dòng)力學(xué)參數(shù)（關(guān)節(jié)摩擦和阻尼）、控制器增益以及策略觀測噪聲均應(yīng)用了域隨機(jī)化。訓(xùn)練在并行環(huán)境中進(jìn)行，使智能體能夠獲得多樣化且有價(jià)值的經(jīng)驗(yàn)，這對(duì)有效學(xué)習(xí)任務(wù)至關(guān)重要。

神經(jīng)網(wǎng)絡(luò)架構(gòu)與強(qiáng)化學(xué)習(xí)算法

每個(gè)策略均采用含 256 個(gè)單元的長短期記憶 (LSTM) 網(wǎng)絡(luò)結(jié)構(gòu)，其后連接三層多層感知器 (MLP)，分別含 256、128 和 64 個(gè)神經(jīng)元。訓(xùn)練使用 rl-games 庫中的近端策略優(yōu)化 (PPO) 算法，在 Isaac Sim 4.5 與 Isaac Lab 2.1 環(huán)境中，基于 NVIDIA GPU 完成訓(xùn)練。

訓(xùn)練結(jié)果

圖 4 展示了 UR10e 機(jī)器人執(zhí)行訓(xùn)練策略的效果，左側(cè)為運(yùn)動(dòng)生成環(huán)節(jié)，右側(cè)為插入環(huán)節(jié)。

圖 4. UR10e 機(jī)器人在 Isaac Lab 仿真中測試訓(xùn)練策略：運(yùn)動(dòng)生成（左）與插入（右）

圖 5 展示了所學(xué)技能的組合應(yīng)用。通過重復(fù)調(diào)用抓取規(guī)劃器及兩項(xiàng)訓(xùn)練技能，機(jī)器人能夠完成隨機(jī)擺放的三個(gè)齒輪的裝配。策略對(duì)齒輪的初始位姿與裝配順序均具有魯棒性。

圖 5. 訓(xùn)練后的強(qiáng)化學(xué)習(xí)策略按順序循環(huán)執(zhí)行多步裝配：移動(dòng)至齒輪 1→抓取→插入→移動(dòng)至齒輪 2→抓取→插入，依此類推

支持仿真-現(xiàn)實(shí)遷移的UR 扭矩控制接口

本研究采用阻抗控制技術(shù)，使機(jī)器人在與物體接觸時(shí)實(shí)現(xiàn)更安全、順應(yīng)性更高（軟性）的交互。相比之下，盡管位置控制器精度高，但其剛性特性可能因感知誤差或現(xiàn)實(shí)對(duì)準(zhǔn)問題限制適應(yīng)性，甚至導(dǎo)致意外沖擊力。阻抗控制則提供了更靈活的解決方案。

與工業(yè)機(jī)器人常見的剛性位置控制器不同，阻抗控制需要直接扭矩命令，這在傳統(tǒng)工業(yè)機(jī)器人中并不常見。UR 目前已提供早期訪問版本，開發(fā)者可以使用其直接力矩控制接口，從而實(shí)現(xiàn)上述控制策略。

NVIDIA 團(tuán)隊(duì)與 UR 合作，基于 Isaac Lab 和《IndustReal：將接觸密集型裝配任務(wù)從仿真遷移至現(xiàn)實(shí)》論文中的方法訓(xùn)練策略，通過 Isaac ROS 和 UR 扭矩接口在 UR10e 機(jī)器人上部署。過程中使用了 Isaac ROS 的 Segment Anything 和 FoundationPose 軟件包。

基于 Isaac ROS 與 UR 扭矩接口的UR10e 仿真-現(xiàn)實(shí)遷移

圖 6 展示了從 Isaac Lab 部署訓(xùn)練策略的仿真-現(xiàn)實(shí)遷移框架。感知模塊首先將 RGB 圖像送入 Segment Anything，生成分割掩碼。掩碼與深度圖像結(jié)合后輸入 FoundationPose，輸出齒輪的 6D 位姿。

圖 6. UR10e 機(jī)器人仿真-現(xiàn)實(shí)遷移工作流

然后，將齒輪位姿與來自 UR 關(guān)節(jié)編碼器的位置數(shù)據(jù)一并輸入策略，預(yù)測關(guān)節(jié)位置增量。增量值轉(zhuǎn)換為絕對(duì)目標(biāo)關(guān)節(jié)位置后，作為阻抗控制器的輸入。自定義底層阻抗控制器采用 URScript 編寫，以 500 Hz 頻率運(yùn)行，計(jì)算控制 UR 機(jī)器人執(zhí)行任務(wù)所需的關(guān)節(jié)扭矩。

開始開發(fā)

本文展示了在 UR10e 機(jī)器人上實(shí)現(xiàn)齒輪裝配任務(wù)的零樣本仿真到現(xiàn)實(shí)遷移——整個(gè)任務(wù)在 Isaac Lab 中完成設(shè)計(jì)與訓(xùn)練，并通過 Isaac ROS 和 UR10e 底層扭矩接口實(shí)現(xiàn)部署。