Skip to main content

Επιλογή αντικειμένων από κάδο: Μια πραγματική πρόκληση για τα ρομπότ

Ines Ugalde Diaz | Οι εφευρέτες της χρονιάς της Siemens | Νεοφερμένος

Υπάρχουν εργασίες που είναι εύκολες για τον άνθρωπο αλλά πραγματικά δύσκολες για τα ρομπότ, και η επιλογή αντικειμένων από κάδο είναι μία από αυτές τις εργασίες. Για παράδειγμα, τα ρομπότ πρέπει να είναι σε θέση να διαλέξουν ένα μόνο μέρος από έναν κάδο που περιέχει ένα μη ταξινομημένο, χαοτικά διατεταγμένο σωρό μεμονωμένων τμημάτων όπως ένας σωρός δεμάτων.

Η Ines Ugalde Diaz και η ομάδα της στο Berkeley (ΗΠΑ) αναπτύσσουν συστήματα ελέγχου ρομπότ για περισσότερα από έξι χρόνια και έχουν κάνει πάνω από 40 εφευρέσεις μέχρι στιγμής. Η Ines τιμήθηκε ως Εφευρέτης της Χρονιάς 2024 στην κατηγορία νεοεισερχόμενος (Newcomer) για μια λύση επιλογής αντικειμένων απο κάδο που μπορεί να τροποποιηθεί ευέλικτα για διαφορετικά εργαλεία λαβής ρομπότ. Η συγκεκριμένη εφεύρεση επιλέχθηκε επειδή χρησιμεύει ως ο σπόρος της επόμενης γενιάς του Siemens SIMATIC Robot Pick AI. Το Pick AI έχει εμφανιστεί σε πολλές εμπορικές εκθέσεις, συμπεριλαμβανομένης της φετινής έκθεσης του Ανόβερου στη Γερμανία την άνοιξη του 2024.

Λαβή με κενό

Ένα άτομο στέκεται μπροστά από έναν πίνακα καλυμμένο με διαγράμματα και χειρόγραφες σημειώσεις που σχετίζονται με την τρισδιάστατη αναγνώριση και κατάταξη αντικειμένων.

Πολλά ρομπότ πιάνουν δημιουργώντας ένα κενό. Στο τέλος του βραχίονα τους - αυτό που ονομάζεται τελικός τελεστής - τα ρομπότ χρησιμοποιούν μία ή περισσότερες βεντούζες για να ασκήσουν κενό στο αντικείμενο που πρόκειται να πιαστεί. Για να γίνει αυτό, οι βεντούζες πρέπει να εφαρμοστούν σε μια βέλτιστη, επίπεδη, λεία και μη πορώδη επιφάνεια. Υπάρχουν πολλές παραλλαγές των μαξιλαριών αναρρόφησης σε διαφορετικά μεγέθη και σχήματα, με ορθογώνια ή τετράγωνη βάση και με μία ή περισσότερες βεντούζες.

«Η νέα μας εφεύρεση διευκολύνει τη χρήση λαβών αναρρόφησης σε μεταβλητά μεγέθη και διατάξεις. Εναπόκειται στον πελάτη να αποφασίσει τι θέλει», λέει η Ines. «Αυτή είναι στην πραγματικότητα μια πολύ μοναδική πτυχή του προϊόντος μας που μας διαφοροποιεί από όλους τους ανταγωνιστές».

Βλέποντας μέσα από το χάος

Στο χάος ενός κάδου, τα μεμονωμένα μέρη βρίσκονται το ένα πάνω στο άλλο με τυχαίους χωρικούς προσανατολισμούς. Το ρομπότ πρέπει πρώτα να αναγνωρίσει τη δομή σε αυτό το χάος: Πρέπει να προσδιορίσει πού ξεκινά ένα μέρος και πού τελειώνει και να καταλάβει πώς είναι τοποθετημένο για να βρει ένα μέρος όπου μπορεί να πιάσει καλά. Τα απαραίτητα δεδομένα - η τρέχουσα προβολή του κουτιού - παρέχονται από μια 3D κάμερα. Οι αλγόριθμοι AI που έχουν εκπαιδευτεί να διαφοροποιούν τα μεμονωμένα αντικείμενα σε αυτές τις εικόνες θέτουν τις βάσεις για τον έλεγχο του βραχίονα του ρομπότ.

Βελτιώνοντας τυποποιημένο λογισμικό

Η βραβευμένη εφεύρεση βασίζεται στην κατανόηση της σκηνής, ιδιαίτερα στη διάκριση του κάδου και των μεμονωμένων αντικειμένων. Αυτό συνήθως αναφέρεται ως «κατάτμηση περιπτώσεων», ένα τυπικό πρόβλημα στη μηχανική μάθηση και την όραση του υπολογιστή. Υπάρχουν ήδη πολλά προεκπαιδευμένα μοντέλα για αυτό το έργο που έχουν επωφεληθεί από την εκπαίδευση σε εκατομμύρια παραδείγματα. Είναι καλά, αλλά είναι πολύ γενικά, και κάνουν λάθη σε σενάρια επιλογής δεμάτων. Η Ines και η ομάδα της βελτίωσαν την απόδοση αυτών των τυποποιημένων λύσεων σε ικανοποιητικά επίπεδα δίνοντάς τους μια επιπλέον εκπαίδευση σε συγκεκριμένα σύνολα δεδομένων: για παράδειγμα, δεδομένα πραγματικού κόσμου από υπάρχοντα ρομποτικές κυψέλες Pick AI.

Ένα άτομο εργάζεται σε ένα γραφείο με δύο οθόνες υπολογιστών που απεικονίζουν κώδικα και έναν ρομποτικό βραχίονα ορατό στο προσκήνιο.

Κοινή χρήση δεδομένων για καλύτερη απόδοση

Ένα χέρι δείχνει σε μια οθόνη υπολογιστή που δείχνει μια πολύχρωμη ψηφιακή εικόνα με ένα πράσινο σημάδι επιλογής που δείχνει την επιτυχή επεξεργασία.

«Η λύση μας προορίζεται να λειτουργήσει σε οποιαδήποτε τοποθεσία πελάτη, επειδή την εκπαιδεύσαμε σε τεράστια σύνολα δεδομένων τόσο από συνθετικές όσο και από πραγματικές πηγές», λέει η Ines. «Τα πάει πολύ καλά σε κουτιά, μπουκάλια και σακούλες, και επίσης εάν το αντικείμενο έρχεται τυλιγμένο σε πλαστικό φύλλο. Κατά κανόνα, οι πελάτες δεν πρέπει να δουν καμία λειτουργική υποβάθμιση, αλλά αν αυτό γίνει, μπορούν να επιτρέψουν στα μοντέλα να μάθουν από τις αποτυχίες τους. Αυτό είναι μέρος της στρατηγικής μας για το προϊόν. Ετοιμαζόμαστε να εισάγουμε σύνολα δεδομένων μεγάλης κλίμακας από στόλους ρομπότ στο cloud της Siemens, το οποίο έχει τη δυνατότητα να αξιοποιήσει μια περίπτωση αποτυχίας για να βελτιώσει το προϊόν μας - όχι μόνο για έναν πελάτη, αλλά για όλους τους πελάτες που συμφωνούν στην κοινή χρήση δεδομένων». Οι βελτιώσεις όχι μόνο οδηγούν σε κέρδη της απόδοσης αλλά και στην αποκάλυψη νέων περιπτώσεων χρήσης. «Έχουμε δείξει ότι με ελάχιστη προσπάθεια μπορούμε να τροποποιήσουμε το λογισμικό για να αναλάβουμε εντελώς νέες περιπτώσεις χρήσης, συμπεριλαμβανομένης της ρομποτικής αποπαλετοποίησης», εξηγεί η Ines. Το Pick AI βρίσκεται στον πυρήνα ενός πρόσφατα αναπτυγμένου ρομποτικού κελιού αποπαλετοποίησης σε μια από τις παραγωγικές αποθήκες της Siemens στο Erlangen της Γερμανίας. Χάρη στα δεδομένα, η ομάδα ξεπερνά τα σύνορα του ρομποτικού χειρισμού.