Uma equipe de pesquisadores do Instituto de Automação da Academia Chinesa de Ciências (CASIA) demonstrou que a adição de feedback tátil nas pontas dos dedos melhora significativamente a capacidade de um braço robótico inserir peças em furos com folga submilimétrica.
O trabalho, realizado pela equipe de Long Chen com a participação de autores como Xinpan Meng, Houcheng Li e Zhenhua Ma, foi aceito na conferência IROS 2026 e publicado no arXiv sob o título «From Reach to Insert: Tactile-Augmented Precision Assembly under Sub-Millimeter Tolerances».
A inserção precisa de peças em furos com tolerância reduzida é uma tarefa complexa, pois pequenos erros de posição podem levar ao travamento ou a forças de contato excessivas, e as câmeras frequentemente são bloqueadas pela própria peça e pelo mecanismo de captura no momento em que o pino se aproxima do furo.
A equipe dividiu essa tarefa em duas etapas. Primeiro, uma política de alcance, treinada por aprendizado por imitação usando Diffusion Policy, agarra um pino posicionado aleatoriamente e o aproxima do furo. Em seguida, uma política de aprendizado por reforço baseada em Soft Actor-Critic executa o processo de inserção e é capaz de se recuperar de falhas durante o contato.
Durante o treinamento, é usada uma arquitetura assimétrica de ator-crítico. O ator depende principalmente de dados visuais, o que garante a eficácia da política na inserção, enquanto o crítico recebe feedback tátil para uma avaliação mais precisa das ações. Como cada captura deixa uma leitura inicial diferente no sensor, o sistema primeiro avalia a linha de base tátil antes do contato, e o crítico trabalha com a mudança em relação a essa linha de base. Além disso, a equipe agrupa os conjuntos de treinamento pelas leituras de torque e distribui uniformemente as amostras nos grupos para que a política possa ver um espectro mais amplo de condições de contato.
Para o experimento, foi utilizada um braço robótico Franka Emika Panda com 7 graus de liberdade, equipado com um sensor tátil de seis eixos PaXini PX-6AX GEN3 na ponta do dedo, bem como uma câmera Intel RealSense montada no pulso e uma segunda câmera RealSense para visão geral. Este sensor foi fornecido no âmbito de uma colaboração de pesquisa com a PaXini Tech.
Os testes foram realizados em cinco formas diferentes de furos: quadrado, redondo, hexagonal, em L e triangular, com tolerâncias de 1 mm, 0,25 mm e 0,05 mm. Usando apenas aprendizado por imitação, a taxa média de sucesso foi de 76% com folga de 1 mm, mas caiu para 24% com 0,25 mm e para 0% com 0,05 mm. Com folga de 0,05 mm, o aprendizado por imitação combinado com aprendizado por reforço sem o uso do sensor tátil alcançou 52% de sucesso. No entanto, graças ao crítico tátil e ao agrupamento de amostras, o sucesso aumentou para 67%, enquanto a força de interação máxima diminuiu em 60% e o torque máximo em 44%.
