イネス・ウガルデ・ディアス | Siemens インベンターズ・オブ・ザ・イヤー | 新人
人間にとっては簡単ですが、ロボットにとっては本当に難しい作業があります。ゴミ箱のピッキングもその一つです。たとえば、ロボットは、小包の山のように、分類されていない、無秩序に配置された個々の部品が入っているゴミ箱から1つの部品を取り出すことができる必要があります。
イネス・ウガルデ・ディアスとバークレー（米国）の彼女のチームは、6年以上にわたってロボット制御システムを開発しており、これまでに40件以上の発明を行ってきました。イネスは、さまざまなロボットグリップツールに合わせて柔軟に変更できるビンピッキングソリューションで、新人部門で2024年の発明者賞を受賞しました。この特定の発明が選ばれたのは、それが次世代のSiemens SIMATICロボットピックAIの種となるからです。Pick AIは、2024年春にドイツで開催される今年のハノーバー見本市など、数多くの見本市で紹介されています。
多くのロボットは真空を作って握ります。ロボットは腕の端、いわゆるエンドエフェクターに、1つまたは複数の吸盤を使って、つかむ物体に真空をかけます。そのためには、吸盤を最適に平らで滑らかで無孔の表面に置く必要があります。サクションパッドには、長方形または正方形のベースと1つまたは複数の吸盤を備えた、さまざまなサイズと形状のバリエーションがあります。
「私たちの新しい発明により、さまざまなサイズと配置のサクショングリッパーの使用が容易になりました。何が欲しいかを決めるのは顧客次第です」とイネスは言います。「それは実際、競合他社との差別化を図る当社の製品の非常にユニークな側面です。」
ゴミ箱のカオス状態では、個々の部品がランダムな空間方向で互いに重なり合っています。ロボットはまず、このカオスの中の構造を認識する必要があります。パーツがどこから始まり、どこで終わるかを特定し、どのように配置されているかを理解して、しっかりと握れる場所を見つける必要があります。必要なデータ、つまりボックスの現在のビューは、3Dカメラによって提供されます。これらの画像の中の個々のオブジェクトを区別するように訓練されたAIアルゴリズムは、ロボットアームを制御するための基礎を築きます。
受賞した発明は、シーン理解、特にゴミ箱と個々のオブジェクトを区別することに基づいています。これは通常「インスタンスセグメンテーション」と呼ばれ、機械学習とコンピュータービジョンの標準問題です。このタスクのために事前にトレーニングされたモデルはすでにたくさんあり、何百万もの例でトレーニングしたことで恩恵を受けています。それらは良いですが、一般的すぎて、ビンピッキングのシナリオで間違いを犯します。イネスと彼女のグループは、特定のデータセット（たとえば、既存のPick AIロボットセルからの現実世界のデータ）に関する追加のトレーニングを行うことで、これらの標準ソリューションのパフォーマンスを満足のいくレベルまで向上させました。
「私たちのソリューションは、合成ソースと現実世界のソースの両方からの膨大なデータセットでトレーニングしたので、どの顧客サイトでも機能するように設計されています」とイネスは言います。「箱、ボトル、バッグにとてもよく合います。部品がプラスチックホイルで包まれている場合も同様です。原則として、顧客は運用上の低下を見てはいけませんが、もし見られたら、モデルに障害から学習させることができます。これは私たちの製品戦略の一部です。私たちは、多数のロボットから収集した大規模なデータセットをSiemens スクラウドに取り込む準備をしています。シーメンスのクラウドには、障害事例を活用して、1人の顧客だけでなく、データ共有に同意するすべての顧客にとっても、製品をより良くすることができます。」改善はパフォーマンスの向上につながるだけでなく、新しいユースケースを明らかにすることにもつながります。「最小限の労力で、ロボットのデパレタイジングなど、まったく新しいユースケースに対応するようにソフトウェアを変更できることを示しました」とイネスは説明します。Pick AIは、ドイツのエアランゲンにあるSiemens 生産倉庫の1つに新しく導入されたロボットデパレタイジングセルの中核です。データのおかげで、チームはロボットマニピュレーションの最前線に挑戦しています。
