Skip to main content
Ez az oldal automatikus fordítással jelenik meg. Inkább megnézi angolul?

Tartószedés: Igazi kihívás a robotok számára

Ines Ugalde Diaz | Siemens Év Feltalálói | Újonc

Vannak olyan feladatok, amelyek az emberek számára egyszerűek, de a robotok számára nagyon nehézek, és a szemétszedés az egyik ilyen feladat. Például a robotoknak képesnek kell lenniük arra, hogy egyetlen alkatrészt válasszanak ki a kukából, amely egy válogatatlan, kaotikusan elrendezett halomot tartalmazó egyes alkatrészeket, például egy halom parcellát.

Ines Ugalde Diaz és csapata Berkeley-ben (USA) több mint hat éve fejleszt robotvezérlő rendszereket, és eddig több mint 40 találmányt készítettek. Ines elnyerte az év feltalálója 2024-es kategóriában az Újszülött kategóriában a különböző robotfogószerszámokhoz rugalmasan módosítható koktárszedő megoldásért. Ezt a találmányt azért választották ki, mert a Siemens SIMATIC Robot Pick AI következő generációjának magjaként szolgál. A Pick AI számos kiállításon szerepelt, köztük az idei hannoveri vásáron Németországban 2024 tavaszán.

Vákuum segítségével történő megfogás

A person is standing in front of a whiteboard covered with diagrams and handwritten notes related to 3D object recognition and ranking.

Sok robot vákuum létrehozásával tapad. A karjuk végén - az úgynevezett végeffektornak - a robotok egy vagy több tapadókorongot alkalmaznak, hogy vákuumot gyakoroljanak a megfogni kívánt tárgyra. Ehhez a tapadókorongoknak optimálisan, lapos, sima és nem porózus felületre kell szállniuk. A szívópárnáknak számos változata létezik, különböző méretben és alakban, téglalap alakú vagy négyzet alakú alapú és egy vagy több tapadókoronggal.

„Új találmányunk megkönnyíti a különböző méretű és elrendezésű szívófogók használatát. Az ügyfélen múlik, hogy eldöntse, mit akar” - mondja Ines. „Ez valójában egy nagyon egyedi aspektusa a termékünknek, amely megkülönböztet minket az összes versenytárstól.”

Látni a káoszt

A kukász káoszában az egyes részek véletlenszerű térbeli tájolásban fekszenek egymás tetején. A robotnak először fel kell ismernie a szerkezetet ebben a káoszban: Meg kell határoznia, hol kezdődik és hol ér véget egy alkatrész, és meg kell értenie, hogyan helyezkedik el ahhoz, hogy megtalálja a helyet, ahol jó tapadást nyerhet. A szükséges adatokat — a doboz aktuális nézetét — egy 3D kamera biztosítja. Azokat a mesterséges intelligencia-algoritmusok, amelyeket kiképeztek az ezeken a képeken szereplő egyes objektumok megkülönböztetésére, megalapozzák a robotkar vezérlését.

A szabványos szoftver fejlesztése

A díjazott találmány a jelenet megértésére épül, különös tekintettel a kukára és az egyes tárgyak megkülönböztetésére. Ezt általában „példányszegmentálásnak” nevezik, amely a gépi tanulás és a számítógépes látás szokásos problémája. Már számos előre képzett modell létezik ehhez a feladathoz, amelyek több millió példára vonatkozó képzésből profitáltak. Jók, de túl általánosak, és hibákat követnek el a bin-választási forgatókönyvekben. Ines és csoportja kielégítő szintre javította ezeknek a szabványos megoldásoknak a teljesítményét azáltal, hogy extra képzést adott nekik konkrét adatkészletekről: például a meglévő Pick AI robotcellák valós adatairól.

A person is working at a desk with two computer monitors displaying code and a robotic arm visible in the foreground.

Adatmegosztás a jobb teljesítmény érdekében

A hand is pointing at a computer screen showing a colorful digital image with a green checkmark indicating successful processing.

„Megoldásunk célja, hogy bármilyen ügyféloldalon működjön, mert szintetikus és valós forrásokból származó hatalmas adatkészleteken tanítottuk ki” - mondja Ines. „Nagyon jól működik dobozokon, palackokon és zsákokon, és akkor is, ha az alkatrész műanyag fóliába van csomagolva. Elvileg az ügyfeleknek nem szabad észrevenniük semmilyen működési romlást, de ha igen, akkor lehetővé tehetik a modellek számára, hogy tanuljanak a hibáikból. Ez része a termékre vonatkozó stratégiánknak. Készülünk arra, hogy a robotflottákból származó nagyszabású adatkészleteket vegyünk be a Siemens felhőbe, amely képes kihasználni egy hibás esetet, hogy termékeinket jobbá tegyük — nemcsak egy ügyfél számára, hanem minden olyan ügyfél számára, aki egyetért az adatmegosztásban.” A fejlesztések nemcsak a teljesítmény növekedéséhez vezetnek, hanem új felhasználási esetek feltárásához is. „Megmutattuk, hogy minimális erőfeszítéssel módosíthatjuk a szoftvert, hogy teljesen új felhasználási eseteket fogadjon el, beleértve a robotos depalletizálást is” - magyarázza Ines. A Pick AI egy újonnan telepített robotpalletizáló cella középpontjában áll a Siemens egyik termelő raktárában, Erlangenben, Németországban. Az adatoknak köszönhetően a csapat áthúzza a robotmanipuláció határait.