Skip to main content

Preluarea obiectelor din containere: o adevărată provocare pentru roboți

Ines Ugalde Diaz | Inventatorii anului Siemens | Debutant

Există sarcini care sunt ușoare pentru oameni, dar foarte dificile pentru roboți, iar preluarea obiectelor din containere este una dintre acestea. De exemplu, roboții trebuie să poată selecta o singură piesă dintr-un container care conține un teanc nesortat și aranjat haotic de piese individuale, asemănător unui morman de colete.

Ines Ugalde Diaz și echipa sa din Berkeley (SUA) dezvoltă sisteme de control pentru roboți de mai bine de șase ani și au realizat până acum peste 40 de invenții. Ines a fost premiată ca Inventatorul Anului 2024 la categoria Newcomer pentru o soluție de bin picking care poate fi adaptată flexibil pentru diferite dispozitive de prindere ale roboților. Această invenție a fost selectată deoarece reprezintă baza pentru următoarea generație Siemens SIMATIC Robot Pick AI. Pick AI a fost prezentat la numeroase târguri comerciale, inclusiv la Hannover Messe din Germania, în primăvara anului 2024.

Prindere prin vacuum

O persoană stă în fața unei table albe acoperite cu diagrame și note scrise de mână, legate de recunoașterea și clasificarea obiectelor 3D.

Mulți roboți prind obiecte prin crearea unui vid. La capătul brațului – ceea ce se numește efector final – roboții folosesc una sau mai multe ventuze pentru a crea un vid asupra obiectului care trebuie prins. Pentru a realiza acest lucru, ventuzele trebuie să se așeze pe o suprafață optimă, plană, netedă și neporoasă. Există numeroase variante de ventuze, în diferite dimensiuni și forme, cu bază dreptunghiulară sau pătrată și cu una sau mai multe ventuze.

„Noua noastră invenție facilitează utilizarea dispozitivelor de prindere cu ventuze în dimensiuni și configurații variabile. Clientul decide ce își dorește”, spune Ines. „Acesta este, de fapt, un aspect foarte unic al produsului nostru, care ne diferențiază de toți competitorii.”

A vedea dincolo de haos

În haosul unui container, piesele individuale sunt așezate unele peste altele, în orientări spațiale aleatorii. Robotul trebuie mai întâi să recunoască structura din acest haos: trebuie să identifice unde începe o piesă și unde se termină și să înțeleagă cum este poziționată, pentru a găsi un loc unde poate obține o priză bună. Datele necesare – imaginea actuală a containerului – sunt furnizate de o cameră 3D. Algoritmii de inteligență artificială, antrenați să diferențieze obiectele individuale din aceste imagini, stau la baza controlului brațului robotic.

Îmbunătățirea software-ului standard

Invenția premiată se bazează pe înțelegerea scenei, în special pe distingerea containerului și a obiectelor individuale. Acest lucru este de obicei numit „segmentare de instanță”, o problemă standard în învățarea automată și vederea computerizată. Există deja numeroase modele pre-antrenate pentru această sarcină, care au beneficiat de antrenare pe milioane de exemple. Acestea sunt bune, dar prea generale și fac greșeli în scenarii de tip bin picking. Ines și echipa sa au îmbunătățit performanța acestor soluții standard până la niveluri satisfăcătoare, oferindu-le un antrenament suplimentar pe seturi de date specifice, de exemplu date reale din celule robotice Pick AI existente.

O persoană lucrează la un birou cu două monitoare care afișează cod, iar în prim-plan este vizibil un braț robotic.

Partajarea datelor pentru o performanță mai bună

O mână indică un ecran de calculator care afișează o imagine digitală colorată, cu un semn verde de bifă ce indică procesare reușită.

„Soluția noastră este concepută să funcționeze în orice locație a clientului, deoarece am antrenat-o pe seturi vaste de date provenite atât din surse sintetice, cât și din lumea reală”, spune Ines. „Funcționează foarte bine pentru cutii, sticle și pungi, precum și atunci când piesa este ambalată în folie de plastic. În principiu, clienții nu ar trebui să observe nicio scădere a performanței operaționale, dar dacă totuși apare, pot permite modelelor să învețe din erorile lor. Aceasta face parte din strategia noastră de produs. Ne pregătim să integrăm seturi de date la scară largă provenite din flote de roboți în cloud-ul Siemens, care are capacitatea de a valorifica un caz de eroare pentru a îmbunătăți produsul – nu doar pentru un client, ci pentru toți clienții care sunt de acord cu partajarea datelor.” Îmbunătățirile nu duc doar la creșterea performanței, ci și la descoperirea unor noi cazuri de utilizare. „Am demonstrat că, cu un efort minim, putem adapta software-ul pentru a aborda cazuri de utilizare complet noi, inclusiv depaletizarea robotică”, explică Ines. Pick AI se află în centrul unei celule robotizate de depaletizare recent implementate într-unul dintre depozitele productive Siemens din Erlangen, Germania. Datorită datelor, echipa împinge limitele manipulării robotice.