Skip to main content
Deze pagina wordt weergegeven met behulp van automatische vertaling. In plaats daarvan in het Engels bekijken?

Vuilnispluk: een echte uitdaging voor robots

Ines Ugalde Diaz | Siemens-uitvinders van het jaar | Nieuwkomer

Er zijn taken die gemakkelijk zijn voor mensen, maar heel moeilijk voor robots, en vuilnisbakken is een van die taken. Robots moeten bijvoorbeeld een enkel onderdeel kunnen pakken uit een bak die een ongesorteerde, chaotisch geordende stapel afzonderlijke onderdelen bevat, zoals een stapel pakketten.

Ines Ugalde Diaz en haar team in Berkeley (VS) ontwikkelen al meer dan zes jaar robotbesturingssystemen en hebben tot nu toe meer dan 40 uitvindingen gedaan. Ines werd uitgeroepen tot uitvinder van het jaar 2024 in de categorie Nieuwkomers voor een oplossing voor het verzamelen van vuilnisbakken die flexibel kan worden aangepast voor verschillende grijpgereedschappen voor robots. Voor deze specifieke uitvinding werd gekozen omdat deze de basis vormt voor de volgende generatie Siemens SIMATIC Robot Pick AI. Pick AI is op tal van beurzen te zien geweest, waaronder de Hannover beurs van dit jaar in Duitsland in het voorjaar van 2024.

Grijpen door middel van een stofzuiger

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

Veel robots grijpen door een vacuüm te creëren. Aan het uiteinde van hun arm — de zogenaamde eindeffector — gebruiken robots een of meer zuignappen om een vacuüm uit te oefenen op het te grijpen voorwerp. Hiervoor moeten de zuignappen op een optimaal, vlak, glad en niet-poreus oppervlak terechtkomen. Er zijn veel varianten van zuignappen in verschillende maten en vormen, met een rechthoekige of vierkante basis en met een of meer zuignappen.

„Onze nieuwe uitvinding maakt het gebruik van zuiggrijpers in verschillende afmetingen en opstellingen mogelijk. Het is aan de klant om te beslissen wat hij wil”, zegt Ines. „Dat is eigenlijk een heel uniek aspect van ons product dat ons onderscheidt van alle concurrenten.”

De chaos doorzien

In de chaos van een vuilnisbak liggen de afzonderlijke onderdelen op elkaar in willekeurige ruimtelijke oriëntaties. De robot moet eerst de structuur in deze chaos herkennen: hij moet identificeren waar een onderdeel begint en eindigt en begrijpen hoe het is gepositioneerd om een plek te vinden waar het een goede grip kan krijgen. De benodigde gegevens — de huidige weergave van de doos — worden geleverd door een 3D-camera. AI-algoritmen die zijn getraind om de afzonderlijke objecten in deze beelden te onderscheiden, vormen de basis voor het besturen van de robotarm.

Verbetering van standaardsoftware

De bekroonde uitvinding is gebaseerd op inzicht in de scène, met name door onderscheid te maken tussen de vuilnisbak en de afzonderlijke voorwerpen. Dit wordt gewoonlijk „instantiesegmentatie” genoemd, een standaardprobleem bij machine learning en computervisie. Er zijn al veel vooraf getrainde modellen voor deze taak die baat hebben gehad bij een training op basis van miljoenen voorbeelden. Ze zijn goed, maar ze zijn te algemeen, en ze maken fouten bij het kiezen van vuilnisbakken. Ines en haar groep verbeterden de prestaties van deze standaardoplossingen tot een bevredigend niveau door hen een extra training te geven over specifieke datasets: bijvoorbeeld gegevens uit de echte wereld van bestaande Pick AI-robotcellen.

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

Gegevens delen voor betere prestaties

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

„Onze oplossing is bedoeld voor gebruik op elke locatie van de klant, omdat we ze hebben getraind op basis van uitgebreide datasets uit zowel synthetische als echte bronnen”, zegt Ines. „Het werkt heel goed op dozen, flessen en tassen, en ook als het onderdeel verpakt is in plastic folie. In principe zouden klanten geen operationele verslechtering moeten zien, maar als ze dat wel doen, kunnen ze de modellen laten leren van hun fouten. Dit maakt deel uit van onze strategie voor het product. We bereiden ons voor om grootschalige datasets van een vloot robots op te nemen in de Siemens-cloud, die de mogelijkheid biedt om een geval van mislukking te gebruiken om ons product te verbeteren — niet alleen voor één klant, maar voor alle klanten die het eens zijn over het delen van gegevens.” De verbeteringen leiden niet alleen tot prestatieverbeteringen, maar ook tot onthullende nieuwe gebruikssituaties. „We hebben aangetoond dat we met minimale moeite de software kunnen aanpassen voor volledig nieuwe toepassingen, waaronder depalletiseren met robots”, legt Ines uit. Pick AI vormt de kern van een nieuw ingezette depalletiseringscel met robots in een van de productiemagazijnen van Siemens in Erlangen, Duitsland. Dankzij de gegevens verlegt het team de grenzen van robotmanipulatie.