Skip to main content
Questa pagina viene visualizzata utilizzando la traduzione automatica. Visualizzare la versione in inglese?
Una pinza robotica con ventose tiene in mano una piccola scatola di cartone mentre viene regolata da una persona.

Bin picking: una vera sfida per i robot

Ines Ugalde Diaz | Inventori dell'anno Siemens | Esordiente

Ci sono compiti facili per gli umani ma davvero difficili per i robot, e la raccolta dei rifiuti è una di quelle attività. Ad esempio, i robot devono essere in grado di prelevare un singolo pezzo da un contenitore contenente una pila non ordinata e disposta caoticamente di singole parti come una pila di pacchi.

Ines Ugalde Diaz e il suo team di Berkeley (Stati Uniti) sviluppano sistemi di controllo robotici da più di sei anni e finora hanno realizzato più di 40 invenzioni. Ines è stata premiata come inventore dell'anno 2024 nella categoria Newcomer per una soluzione di raccolta dei contenitori che può essere modificata in modo flessibile per diversi strumenti di presa robotici. Questa particolare invenzione è stata selezionata perché funge da seme della prossima generazione di Siemens SIMATIC Robot Pick AI. Pick AI è stato presentato a numerose fiere, inclusa la fiera di Hannover di quest'anno in Germania nella primavera del 2024.

Presa sottovuoto

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

Molti robot afferrano creando un aspirapolvere. All'estremità del braccio, il cosiddetto end effector, i robot utilizzano una o più ventose per esercitare il vuoto sull'oggetto da afferrare. Per fare ciò, le ventose devono atterrare su una superficie ottimale, piana, liscia e non porosa. Esistono molte varianti di ventose di diverse dimensioni e forme, con base rettangolare o quadrata e con una o più ventose.

«La nostra nuova invenzione facilita l'uso di pinze a ventosa di dimensioni e disposizioni variabili. Spetta al cliente decidere cosa vuole», afferma Ines. «Questo è in realtà un aspetto davvero unico del nostro prodotto che ci differenzia da tutti i concorrenti».

Superare il caos

Nel caos di un bidone, le singole parti giacciono una sopra l'altra con orientamenti spaziali casuali. Il robot deve prima riconoscere la struttura in questo caos: deve identificare dove inizia e dove finisce una parte e capire come è posizionata per trovare un punto in cui possa avere una buona presa. I dati necessari, la vista attuale del riquadro, sono forniti da una telecamera 3D. Gli algoritmi di intelligenza artificiale che sono stati addestrati per differenziare i singoli oggetti in queste immagini gettano le basi per il controllo del braccio robotico.

Miglioramento del software standard

L'invenzione premiata si basa sulla comprensione della scena, in particolare sulla distinzione del bidone e dei singoli oggetti. Questo viene solitamente definito «segmentazione delle istanze», un problema standard nell'apprendimento automatico e nella visione artificiale. Esistono già molti modelli preformati per questo compito che hanno tratto beneficio dalla formazione su milioni di esempi. Sono buoni ma sono troppo generici e commettono errori negli scenari di raccolta dei rifiuti. Ines e il suo gruppo hanno migliorato le prestazioni di queste soluzioni standard portandole a livelli soddisfacenti fornendo loro una formazione aggiuntiva su set di dati specifici: ad esempio, dati reali provenienti da celle robotiche Pick AI esistenti.

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

Condivisione dei dati per prestazioni migliori

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

«La nostra soluzione è pensata per funzionare presso qualsiasi sito del cliente, perché l'abbiamo addestrata su vasti set di dati provenienti da fonti sintetiche e reali», afferma Ines. «Funziona molto bene su scatole, bottiglie e sacchetti e anche se la parte viene avvolta in un foglio di plastica. In linea di principio, i clienti non dovrebbero subire alcun degrado operativo, ma se lo fanno, possono consentire ai modelli di imparare dai loro guasti. Questo fa parte della nostra strategia per il prodotto. Ci stiamo preparando a importare set di dati su larga scala da flotte di robot nel cloud Siemens, che ha la capacità di sfruttare un caso di guasto per migliorare il nostro prodotto, non solo per un cliente, ma per tutti i clienti che concordano sulla condivisione dei dati». I miglioramenti non solo portano a miglioramenti delle prestazioni, ma anche alla rivelazione di nuovi casi d'uso. «Abbiamo dimostrato che con il minimo sforzo possiamo modificare il software per affrontare casi d'uso completamente nuovi, inclusa la depallettizzazione robotica», spiega Ines. Pick AI è al centro di una cella di depallettizzazione robotica di nuova installazione in uno dei magazzini produttivi Siemens a Erlangen, Germania. Grazie ai dati, il team sta ampliando le frontiere della manipolazione robotica.