Skip to main content
Esta página é exibida usando tradução automática. Prefere ver em inglês?
Uma pinça robótica com ventosas segura uma pequena caixa de papelão enquanto é ajustada por uma pessoa.

Recolha de lixo: um verdadeiro desafio para robôs

Ines Ugalde Diaz | Inventora do Ano da Siemens | Novata

Há tarefas que são fáceis para humanos, mas muito difíceis para robôs, e a coleta de lixo é uma dessas tarefas. Por exemplo, os robôs precisam ser capazes de retirar uma única peça de uma lixeira contendo uma pilha de peças individuais não classificadas e dispostas de forma caótica, como uma pilha de pacotes.

Ines Ugalde Diaz e sua equipe em Berkeley (EUA) desenvolvem sistemas de controle de robôs há mais de seis anos e fizeram mais de 40 invenções até agora. Ines foi homenageada como Inventora do Ano de 2024 na categoria Novata por uma solução de coleta de lixo que pode ser modificada de forma flexível para diferentes ferramentas de empunhamento de robôs. Essa invenção em particular foi selecionada porque serve como a semente da próxima geração do Siemens SIMATIC Robot Pick AI. A Pick AI foi apresentada em várias feiras comerciais, incluindo a feira de Hannover deste ano, na Alemanha, na primavera de 2024.

Agarramento por vácuo

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

Muitos robôs se agarram criando um vácuo. Na extremidade do braço — o que é chamado de efetor final — os robôs empregam uma ou mais ventosas para exercer vácuo sobre o objeto a ser agarrado. Para fazer isso, as ventosas devem pousar em uma superfície ideal, plana, lisa e não porosa. Existem muitas variantes de ventosas em diferentes tamanhos e formas, com base retangular ou quadrada e com uma ou mais ventosas.

“Nossa nova invenção facilita o uso de pinças de sucção em tamanhos e arranjos variáveis. Cabe ao cliente decidir o que quer”, diz Ines. “Na verdade, esse é um aspecto muito exclusivo do nosso produto que nos diferencia de todos os concorrentes.”

Enxergando o caos

No caos de uma lixeira, as partes individuais ficam umas sobre as outras em orientações espaciais aleatórias. O robô precisa primeiro reconhecer a estrutura nesse caos: ele precisa identificar onde uma peça começa e onde termina e entender como ela está posicionada para encontrar um lugar onde possa ter uma boa aderência. Os dados necessários — a visão atual da caixa — são fornecidos por uma câmera 3D. Algoritmos de IA que foram treinados para diferenciar os objetos individuais nessas imagens estabelecem a base para o controle do braço do robô.

Aprimorando o software padrão

A invenção premiada se baseia na compreensão da cena, em particular distinguindo a lixeira e os objetos individuais. Isso geralmente é chamado de “segmentação de instâncias”, um problema padrão em aprendizado de máquina e visão computacional. Já existem muitos modelos pré-treinados para essa tarefa que se beneficiaram do treinamento em milhões de exemplos. Eles são bons, mas são muito gerais e cometem erros ao escolher cenários. Ines e seu grupo melhoraram o desempenho dessas soluções padrão para níveis satisfatórios, dando-lhes um treinamento extra em conjuntos de dados específicos: por exemplo, dados reais de células robóticas Pick AI existentes.

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

Compartilhamento de dados para um melhor desempenho

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

“Nossa solução foi projetada para funcionar em qualquer local do cliente, porque a treinamos em vastos conjuntos de dados de fontes sintéticas e reais”, diz Ines. “Funciona muito bem em caixas, garrafas e sacolas, e também se a peça vier embrulhada em papel plástico. Em princípio, os clientes não deveriam ver nenhuma degradação operacional, mas, se o fizerem, poderão permitir que os modelos aprendam com suas falhas. Isso faz parte da nossa estratégia para o produto. Estamos nos preparando para ingerir conjuntos de dados em grande escala de frotas de robôs na nuvem da Siemens, que tem a capacidade de aproveitar um caso de falha para melhorar nosso produto — não apenas para um cliente, mas para todos os clientes que concordam com o compartilhamento de dados.” As melhorias não só levam a ganhos de desempenho, mas também à revelação de novos casos de uso. “Mostramos que, com o mínimo esforço, podemos modificar o software para assumir casos de uso completamente novos, incluindo a despaletização robótica”, explica Ines. A Pick AI está no centro de uma célula robótica de despaletização recém-implantada em um dos armazéns produtivos da Siemens em Erlangen, Alemanha. Graças aos dados, a equipe está ultrapassando as fronteiras da manipulação robótica.