PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.22609v1cs.RO

문서화된 강도에서 힘 한계치까지: 건설 조립을 위한 재료 정보 기반 로봇 삽입

From Documented Strengths to Force Limits: Material-Informed Robotic Insertion for Construction Assembly

삽입(Insertion)은 로봇 기반 건설 조립에서 필수적인 작업이지만, 재료 물성과 조립 조건의 편차로 인해 조립체의 허용 용량(capacity)을 초과하지 않으면서 작업을 완료할 수 있는 접촉력을 선정하기가 어렵습니다. 건설 문서에는 재료 및 시공 조건에 관한 공학적 지식이 담겨 있지만, 이러한 지식을 특정 조립체에 대한 하중 한계로 변환하는 작업은 여전히 어렵습니다. 본 논문에서는 문서화된 재료 근거를 로봇 삽입을 위한 허용 용량 추정치로 변환하는 시스템인 SAGE(Source-grounded Assembly Gating and Execution)를 제시합니다. SAGE는 대규모 언어 모델(LLM)의 역할을 검색된 구문 및 표에서 인장 및 압축 강도를 추출하고 그 출처를 기록하는 것으로 제한합니다. 그런 다음 반응 모델(response model)이 오프라인 유한 요소(FE) 해석 결과를 보간하여 이러한 강도 및 조립 조건을 축방향 하중 허용 용량으로 변환합니다. 양(+)의 틈새(clearance)를 가지는 끼워맞춤의 경우 추정된 허용 용량이 정책의 축력 한계치를 설정하며, 억지끼워맞춤(interference fit)의 경우에는 측정된 지지 요구치와 비교하여 진입 여부를 결정합니다. 주요 벤치마크(benchmark)에서 SAGE는 동일한 근거를 바탕으로 한 직접적인 LLM 추정치의 평균 허용 용량 오차인 80.65%를 10.74%로 줄입니다. 재적합(refitting) 없이도 16개의 추가적인 형상에서 평균 오차는 8.00%를 유지합니다. 지정된 지지 해제 모델 하에서 SAGE는 점수가 매겨진 62회의 시뮬레이션 실행 중 59회를 정확하게 분류하며, 보수적인 오차만을 보입니다. 기록된 xArm6 시연에서 SAGE는 재료 문서를 입력으로 받아 13회 시험 중 9회에서 물리적 삽입을 성공적으로 완료합니다. 이러한 결과는 문서 해석은 LLM에 맡기고 힘 계산은 명시적 역학 모델에 할당함으로써 정확한 허용 용량 추정과 추적 가능한 삽입 결정을 도출할 수 있음을 보여줍니다.