WRAP: Fixtureless Wrench-aware Multi-Robot Assembly Planning

📄 arXiv: 2609.29407v1 📥 PDF

作者: Valentin N. Hartmann, Huang Su, Yijiang Huang, Stelian Coros

分类: cs.RO

发布日期: 2026-09-24

备注: 8 pages, 9 figures, 5 tables

💡 一句话要点

提出WRAP以解决无夹具多机器人装配规划问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 多机器人协作 装配规划 线性规划 智能制造 工业自动化

📋 核心要点

  1. 现有的机器人装配方法通常依赖于夹具或自上而下的策略，限制了灵活性和效率。
  2. WRAP通过多机器人协作，利用线性规划推理有效抓取，解决了复杂的装配序列规划问题。
  3. 实验结果表明，WRAP在多部件装配任务中表现优异，能够适应不同大小和运动学的机器人群体。

📝 摘要（中文）

机器人装配通常需要专门设计的夹具，或仅依赖自上而下的装配策略。通过使用多个机器人，可以避免使用夹具，使机器人装配更加灵活。多机器人装配序列的规划面临着任务分配和顺序的高复杂性。此外，还需考虑装配过程中产生的力，例如决定是否需要多个机器人进行支撑，或是否应使用外部支撑如桌子。本文提出了WRAP，一个针对多部件装配的多机器人装配规划器，能够处理部件间的顺序依赖、部件网格及其初始状态。我们通过线性规划来推理有效的抓取方式，以支撑装配过程中产生的力。该方法在多种多部件装配上进行了基准测试，并在物理仿真和实际环境中进行了验证。

🔬 方法详解

问题定义：本文旨在解决多机器人装配中的无夹具装配规划问题。现有方法在处理复杂任务分配和顺序时存在高计算复杂性，且难以有效考虑装配过程中产生的力。

核心思路：WRAP的核心思路是通过线性规划推理有效的抓取方式，以支撑装配过程中产生的力，并结合多机器人协作来提高装配灵活性和效率。

技术框架：WRAP的整体架构包括几个主要模块：首先，输入部件的网格和初始状态；其次，利用线性规划推理有效的抓取；然后，基于装配序列进行启发式搜索，最后解决多机器人、多目标的运动规划问题。

关键创新：WRAP的主要创新在于结合了线性规划与启发式搜索，能够在每个装配步骤中贪婪地找到可行解，显著提高了装配效率和灵活性。

关键设计：在设计中，WRAP使用了启发式搜索来降低计算复杂度，并将计划分解为接触丰富的装配技能和自由空间运动，确保了机器人在复杂环境中的有效执行。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，WRAP在多部件装配任务中相较于传统方法显著提升了装配效率，能够在复杂环境中有效执行，且在物理仿真和实际应用中均表现出色，验证了其实际可行性。

🎯 应用场景

WRAP的研究成果在工业自动化、智能制造和机器人协作等领域具有广泛的应用潜力。通过提高多机器人装配的灵活性和效率，能够显著降低生产成本并提升生产线的适应性，未来可能推动更智能的制造系统的发展。

📄 摘要（原文）

Assembly using robots often requires specially designed fixtures, or relies on top-down only assembly strategies. Using multiple robots, we can avoid using fixtures and make robotic assembly more flexible. Planning assembly sequences for multiple robots is challenging due to the high number of possible task assignments and orders. In addition, we need to reason over forces that occur during the assembly process, e.g., to decide if multiple robots are required for support, or if external support such as a table should be used. We present Wrap, a multi-robot assembly planner for multi-part assemblies, given the inter-part ordering-dependencies, the part meshes, and their initial state. We formulate a linear program to reason about valid grasps for supporting the forces that occur during assembly. The search leverages the assembly sequence, and greedily finds a feasible solution per assembly step by computing a heuristic via a cheap backwards search, and using the heuristic in the more expensive forward search. We then solve the multi-robot, multi-goal motion planning problem, and for execution, we split the plan into contact-rich assembly skills, and free space motion. We benchmark the planner on a variety of multi-part assemblies, and apply the planner to groups of robots differing in size and kinematics. We validate the work both in a physics simulation, and in real. Videos and code are available at https://www.vhartmann.com/wrap.