Skip to main content

Robotisk kasseplukning: En reel udfordring for robotter

Ines Ugalde Diaz | Årets Siemens-opfindere | Nyankommen

Der er opgaver, der er lette for mennesker, men virkelig vanskelige for robotter, og robotisk kasseplukning er en af disse opgaver. For eksempel skal robotter være i stand til at plukke en enkelt del ud af en kasse, der indeholder en usorteret, kaotisk arrangeret bunke af individuelle dele som en bunke pakker.

Ines Ugalde Diaz og hendes team i Berkeley (USA) har udviklet robotstyringssystemer i mere end seks år og har gjort over 40 opfindelser indtil videre. Ines blev hædret som Årets Opfinder 2024 i kategorien Nytilkommen for en robotisk kasseplukningsløsning, der fleksibelt kan modificeres til forskellige robotgribeværktøjer. Denne særlige opfindelse blev valgt, fordi den fungerer som frøet til den næste generation af Siemens SIMATIC Robot Pick AI. Pick AI har været vist på adskillige messer, herunder dette års Hannover-messe i Tyskland i foråret 2024.

Grib med vakuum

En person står foran et whiteboard dækket med diagrammer og håndskrevne noter relateret til 3D-objektgenkendelse og placering.

Mange robotter griber ved at skabe et vakuum. I slutningen af deres arm – det, der kaldes endeeffektoren – anvender robotter en eller flere sugekopper til at udøve et vakuum på det objekt, der skal gribes. For at gøre dette skal sugekopperne lande på en optimalt, flad, glat og ikke-porøs overflade. Der er mange varianter af sugepuder i forskellige størrelser og former, med en rektangulær eller firkantet bund og med en eller flere sugekopper.

"Vores nye opfindelse letter brugen af sugegribere i forskellige størrelser og arrangementer. Det er op til kunden at beslutte, hvad denne vil have", siger Ines. "Det er faktisk et meget unikt aspekt af vores produkt, der adskiller os fra alle konkurrenterne".

At se igennem kaosset

I kaosset i en skraldespand ligger de enkelte dele oven på hinanden i tilfældige rumlige orienteringer. Robotten skal først genkende strukturen i dette kaos: Den skal identificere, hvor en del begynder, og hvor den slutter og forstå, hvordan den er placeret for at finde et sted, hvor den kan få et godt greb. De nødvendige data – den aktuelle visning af boksen – leveres af et 3D-kamera. AI-algoritmer, der er trænet til at differentiere de enkelte objekter i disse billeder, lægger grundlaget til styring af robotarmen.

Forbedring af standardsoftware

Den tildelte opfindelse bygger på baggrund af sceneforståelse, især det at skelne kassen og de enkelte objekter. Dette kaldes normalt "instanssegmentering", et standardproblem inden for maskinlæring og computersyn. Der er allerede mange foruddannede modeller til denne opgave, der har draget fordel af træning på millioner af eksempler. De er gode, men de er for generelle, og de laver fejl i kasseplukningsscenarier. Ines og hendes gruppe forbedrede disse standardløsningers ydeevne til tilfredsstillende niveauer ved at give dem en ekstra træning i specifikke datasæt: for eksempel virkelige data fra eksisterende Pick AI-robotceller.

En person arbejder ved et skrivebord med to computerskærme, der viser kode og en robotarm synlig i forgrunden.

Datadeling for bedre ydeevne

En hånd peger på en computerskærm, der viser et farverigt digitalt billede med et grønt flueben, der angiver vellykket behandling.

"Vores løsning er beregnet til at fungere på ethvert kundested, fordi vi trænede den på enorme datasæt fra både syntetiske og virkelige kilder", siger Ines. "Den klarer sig rigtig godt på kasser, flasker og poser, og også hvis delen kommer pakket ind i plastfolie. I princippet bør kunderne ikke se nogen driftsforringelse, men hvis de gør det, kan de lade modellerne lære af deres fejl. Dette er en del af vores strategi for produktet. Vi forbereder os på at indtage store datasæt fra robotflåder i Siemens cloud, som har evnen til at udnytte en fejlsag til at gøre vores produkt bedre – ikke kun for en kunde, men for alle kunder, der er enige om datadeling". Forbedringerne fører ikke kun til præstationsgevinster, men også til at afsløre nye brugssager. "Vi har vist, at vi med minimal indsats kan ændre softwaren til at påtage sig helt nye brugssager, herunder robotdepalletering", forklarer Ines. Pick AI er kernen i en nyligt implementeret robotdepalleteringscelle på et af Siemens produktive lagre i Erlangen, Tyskland. Takket være dataene flytter teamet grænserne for robotmanipulation.