在线质量监控与混合力/位控制协同优化：机器人精密装配中恢复策略的约束作用研究

《Applied Sciences》：Recovery Policy Optimization for Online Quality Monitoring and Hybrid Force/Position Control in Robotic Precision Assembly

　　

接触丰富的精密装配（contact-rich precision assembly）在成品部件显现失效之前，其失效模式已体现在力/力矩（force/torque）和本体感觉（proprioceptive）数据流中，这使得在线质量监控（online quality monitoring）颇具吸引力。本研究探究监控精度与恢复策略（recovery policy）何者是闭环性能的约束瓶颈，并通过同时改进两者来回答该问题。在监控方面，研究人员提出AdaStack，该方法在汇总统计量上混合随机森林（random forest）、全卷积网络（fully convolutional network, FCN）与CNN-LSTM，并在池化的折外（out-of-fold）后验上拟合单纯形权重（simplex weights），使组合能够自适应于最适合特定任务的学习器。在UCI机器人执行失效基准（UCI Robot Execution Failures benchmark）上，经重复分层交叉验证（repeated stratified cross-validation）并在统一协议下与八个基线方法比较，AdaStack取得最佳平均秩（3.20对4.00）和最佳平均宏F1（macro F1，0.787对0.784），并在五个任务中的三个上位居榜首；经Holm校正后，其在两个任务上显著优于动态时间规整（dynamic time warping, DTW），而与更强基线之间的差异仍处于47至164次试验基准的分辨率范围内。随后研究人员在基于物理的MuJoCo peg-in-hole仿真单元中闭环验证。在该场景中，限制因素并非感知：采用手工编写的恢复策略时，忽略估计状态的螺旋搜索（spiral search）成功座入78.5%的插入任务，而学习监控器仅达33.0%，即便获得真实故障状态的oracle也仅达52.0%。针对座入率、接触力、循环时间与损伤的成本优化十二个自由策略参数，并在优化与评估中使用不相交的随机种子，得到的控制器在仿真单元中以学习监控器而非oracle驱动时，座入率与搜索方法相当（76.5%对78.5%），同时将平均峰值接触力降低46%（17.2 N对31.6 N）。然而，同样的收益无需监控器即可获得：以相同预算优化自身三个参数的螺旋搜索座入率达79.0%，峰值力为18.3 N，且在四种成本权重和六种偏移运行条件中的五种下匹配或优于监控器驱动策略。真正有价值的是优化反应本身，而非依据估计状态对其加以条件化。投入恢复策略的努力回报远高于投入监控架构的努力；该结论能否迁移至物理单元仍有待验证。

一、研究背景与问题

精密装配是机器人从自由空间运动转向接触交互的关键环节。插接连接器、座入轴承或轴孔配合均涉及数十微米量级的间隙，这远高于大多数工业机械臂的绝对定位精度。因此，装配问题无法仅靠精确运动解决：机器人必须感知接触状态并做出反应。当缺乏有效反应时，常见的失效模式包括卡滞、楔入、擦伤以及碎屑阻塞座孔后控制器持续施压导致部件损坏。

围绕该问题，两个研究群体从不同方向切入。控制领域以Raibert和Craig的混合位置/力分解为基础，通过选择矩阵将任务空间划分为位置控制与力控制方向，该框架仍是工业接触任务的主流，但其局限在于划分与增益通常预先固定，针对标称插入调优的控制器在真实失效为横向偏移或座孔阻塞时表现不佳。学习领域则通过强化学习将视觉与力反馈融合为自适应策略，这类方法能力强但数据需求大，且将感知与控制耦合为单一不透明策略，难以审计系统对接触状态的信念或解释其行为依据。

介于两者之间存在一个更适于部署的中间目标：在线质量监控。该方法不端到端学习控制策略，而是学习一个监控器读取传感流并推断当前装配质量状态，再以此状态重构传统控制器。这既保持控制律的可解释性与可认证性，又实现实际适应性，同时匹配装配单元的传感现实——六轴力/力矩传感器与关节编码器是标准且廉价的配置，信息性信号是多变量时间序列而非图像。

本研究提出的核心问题是：监控精度与恢复策略何者是闭环性能的约束瓶颈？为此，研究人员从监控架构与恢复策略两方面同时改进，并设计了两侧分离的评估框架以独立归因。

二、研究内容与主要结论

在监控方面，研究人员提出AdaStack架构，混合随机森林、全卷积网络与CNN-LSTM三种具有不同归纳偏置的学习器，在池化的折外后验上拟合非负单纯形权重，使组合自适应于任务特性。在UCI机器人执行失效基准上，AdaStack在统一协议下取得最佳平均秩（3.20）与最佳平均宏F₁（0.787），并在五个任务中的三个上领先。然而，校正感知的统计检验显示，该基准无法区分多数方法：40组成对比较中仅2组在Nadeau–Bengio校正与Holm调整后显著，且均针对最弱的1-NN DTW基线。研究人员明确指出，AdaStack相对较强基线的优势不显著，这是基准属性而非方法缺陷——47至164次试验的十五折交叉验证无法分辨两三个百分点的宏F₁差异。

在闭环控制方面，研究人员构建了MuJoCo物理仿真方栓-孔单元，以力受限速度环执行插入，并诱导五种物理条件产生的质量状态。关键发现是：恢复策略而非监控精度是约束瓶颈。手工编写的策略下，忽略状态估计的螺旋搜索座入率达78.5%，而学习监控器仅达33.0%，即便获得真实故障状态的oracle也仅达52.0%。优化十二个自由策略参数后，监控器驱动策略座入率达76.5%，与搜索相当，同时将平均峰值接触力从31.6 N降至17.2 N（降幅46%）。但进一步对比显示，以相同预算优化自身三个参数的螺旋搜索座入率达79.0%、峰值力18.3 N，在四种成本权重和六种偏移运行条件中的五种下匹配或优于监控器驱动策略。结论是：收益主要来自优化反应参数本身，而非依据监控器状态估计进行条件化。

三、关键技术方法

研究人员采用以下核心技术方法：其一，AdaStack集成监控架构，混合随机森林（基于通道级汇总统计量）、全卷积网络与CNN-LSTM，权重在池化的折外后验上以单纯形网格搜索拟合并施加收缩；其二，混合力/位控制框架，沿插入轴运行力受限PI速度环（带抗积分饱和），侧向与姿态轴采用阻抗控制，叠加阿基米德螺旋搜索；其三，恢复策略参数优化，以(1+1)进化策略优化每状态三参数（力限乘子、搜索半径上限、侧向刚度乘子），共十二个自由参数，成本函数综合座入率、平均峰值接触力、平均循环时间与损伤率；其四，校正感知的统计评估协议，采用Nadeau–Bengio校正重采样t检验与Holm–Bonferroni校正；其五，oracle替换法，以真实状态替代学习监控器分离感知质量与策略质量。数据来源包括UCI机器人执行失效基准（五任务，47至164次试验）与MuJoCo仿真单元（每类200次试验，共1000次，6秒@100 Hz）。

四、研究结果

4.1 AdaStack在公开基准上领先

在统一协议下，AdaStack取得最佳平均秩3.20（对比随机森林与CNN-LSTM的4.00）和最佳平均宏F₁ 0.787（对比CNN-LSTM的0.784），在LP1、LP4、LP5三个任务上领先。消融实验显示，移除CNN-LSTM成员在五个任务中的四个上损失精度，但差异均不显著；权重拟合方式的影响大于成员构成——在LP3上，逐内折拟合权重返回0.671宏F₁，低于其最佳成员的0.815，而池化折外后验拟合将同一配置提升至0.806。统计检验表明，40组成对比较中仅2组（均对1-NN DTW）在Holm校正后显著。

4.2 基准限制比较而非架构

LP5学习曲线显示，学习模型在全部训练集上仍未饱和：CNN-LSTM在39至131次训练试验间增益0.057宏F₁，而随机森林仅增益0.033且几乎从一开始就平坦。排序在可测范围内发生变化：39次训练试验时随机森林领先0.089，131次时仅领先0.005。这证明当前基准上的排序是特定数据规模的陈述，而非架构优劣的普遍结论。

4.3 仿真单元上的早期检测

准确率从0.25秒时的0.50升至6秒时的0.88（随机水平0.20）。全卷积网络从0.5秒起领先，6秒时达0.880，InceptionTime以0.869紧随；CNN-LSTM仅在最短视界领先。堆叠在此无增益（6秒时0.881对0.880），因600次训练试验中单成员主导，折外权重集中于该成员。

4.4 闭环：策略而非监控器是约束

固定增益混合控制座入率仅0.295且从不搜索；叠加忽略状态的螺旋搜索将座入率提升至0.785@31.6 N。手工策略下，学习监控器仅座入0.330，oracle也仅0.520。优化十二个策略参数后，学习监控器驱动策略座入0.765@17.2 N（力降46%），oracle驱动策略座入0.735@12.2 N（力降61%）。但以相同预算优化三个参数的螺旋搜索座入0.790@18.3 N，成本0.396为表中最佳；监控器驱动策略座入低2.5点，力仅省1.1 N。优化器找到的参数具有机械可解释性：恢复需要轻触与宽搜索，而非手工设计中的较重力限。

4.5 成本权重敏感性

在四种权重下，状态条件化策略均座入0.765–0.780，力17.2–21.6 N，优于手工搜索的31.6 N；但优化后的状态无关搜索在全部四种权重下成本更低（低0.013–0.031）。结论稳健：优化反应优于手工编写不依赖权重；条件化于学习监控器无益于任何权重。

4.6 运行条件鲁棒性

六种偏移条件下，优化策略保持力优势（11.8–22.7 N对31.1–34.9 N），无损伤事件；监控器对传感器噪声与接触刚度鲁棒（噪声加倍仍座入0.770）。弱点是间隙减半时，三种优化策略座入率损失8–14点（0.610–0.670对0.750），需按间隙重调或采用间隙依赖调度。

五、讨论与结论

讨论部分指出：组合学习器有效而专门化结构无效的原因在于公开任务仅15样本长，宽感受野卷积已覆盖信息结构；公开基准无法仲裁现代架构，22对2的显著比较结果是该局限的量化证据；工程指导上应优先力受限插入、先加连续搜索再加监控器、先优化反应而非监控器、监控器宜小且明确其用途（识别不可恢复状态以触发保持响应）、循环时间预算应围绕最慢恢复。威胁有效性包括：闭环结果仅来自仿真（毫米级而非微米级间隙）、训练与测试数据同源、超参数未调优且共享、策略形式手工固定、成本权重为主观判断、基准中LP2与LP3共享相同传感数据（有效独立信号集仅四个）。

结论部分翻译：研究人员提出监控精度与恢复策略何者限制接触丰富装配的问题，两半答案方向相反。监控方面，组合学习器有效而专门化结构无效：AdaStack取得最佳平均秩3.20与最佳宏F₁ 0.787，权重拟合方式比成员构成更重要。控制方面，仿真中小量工作回报巨大：优化十二个策略参数使监控器驱动控制器座入率匹配搜索（0.765对0.785）同时力降46%，oracle驱动力降61%；但该收益无需监控器即可获得——优化三参数的螺旋搜索座入0.790@18.3 N，在四种权重与五种偏移条件下匹配或优于监控器驱动策略。收益来自优化反应而非条件化于估计状态；完美状态估计主要额外贡献是更低的力，最显著体现在不可恢复碎屑试验上。对实践者的建议是：运行力受限插入加连续搜索，将下一份努力投入反应而非分类器，先优化状态无关反应再添加状态依赖，以oracle替换检验更好感知是否值得投入。