Skip to main content
Эта страница переведена автоматически. Перейти к английской версии?

Сбор мусора: настоящая проблема для роботов

Инес Угальде Диаз | Изобретатели года Siemens | Новичок

Есть задачи, которые легки для людей, но очень сложны для роботов, и сбор мусора — одна из таких задач. Например, роботы должны иметь возможность выбирать одну деталь из контейнера, содержащего несортированную, хаотично расположенную кучу отдельных деталей, например кучу посылок.

Инес Угалде Диаз и ее команда из Беркли (США) разрабатывают системы управления роботами более шести лет и уже сделали более 40 изобретений. Компания Ines была удостоена звания «Изобретатель года 2024» в номинации «Новичок» за решение для сбора мусорных баков, которое можно гибко модифицировать для различных роботизированных захватных инструментов. Это конкретное изобретение было выбрано потому, что оно послужило основой нового поколения Siemens SIMATIC Robot Pick AI. Pick AI была представлена на многочисленных выставках, включая Ганноверскую ярмарку в этом году в Германии весной 2024 года.

Захват вакуумом

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

Многие роботы управляют, создавая вакуум. На конце руки (так называемом концевом эффекторе) роботы используют одну или несколько присосок, чтобы создать вакуум на предмет, который нужно захватить. Для этого присоски должны приземлиться на оптимально ровную, гладкую и непористую поверхность. Существует множество вариантов присосок разных размеров и форм, с прямоугольным или квадратным основанием и с одной или несколькими присосками.

«Наше новое изобретение упрощает использование всасывающих захватов различных размеров и компоновки. Клиент сам решает, чего он хочет», — говорит Инес. «Это действительно уникальный аспект нашего продукта, который отличает нас от всех конкурентов».

Взгляд сквозь хаос

В хаосе бункера отдельные части лежат друг на друге в произвольной пространственной ориентации. Сначала робот должен распознать структуру в этом хаосе: он должен определить, где начинается и где заканчивается деталь, а также понять, как она расположена, чтобы найти место, где она сможет обеспечить надежное сцепление. Необходимые данные — текущий вид коробки — предоставляются 3D-камерой. Алгоритмы искусственного интеллекта, обученные различать отдельные объекты на этих изображениях, закладывают основу для управления рукой робота.

Улучшение стандартного программного обеспечения

Награжденное изобретение основано на понимании сцены, в частности различении корзины и отдельных предметов. Обычно это называют «сегментацией экземпляров», что является стандартной проблемой машинного обучения и компьютерного зрения. Уже существует множество предварительно обученных моделей для решения этой задачи, которым способствовало обучение на миллионах примеров. Они неплохие, но слишком общие и допускают ошибки при выборе мусорных баков. Инес и ее группа улучшили производительность этих стандартных решений до удовлетворительного уровня, проведя дополнительное обучение работе с конкретными наборами данных: например, реальными данными из существующих роботизированных ячеек Pick AI.

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

Обмен данными для повышения производительности

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

«Наше решение предназначено для работы на любом объекте заказчика, потому что мы обучили его работе на огромных наборах данных из синтетических и реальных источников», — говорит Инес. «Он очень хорошо подходит для коробок, бутылок и пакетов, а также если деталь упакована в пластиковую фольгу. В принципе, заказчики не должны видеть ухудшения операционной эффективности, но если они это сделают, они могут позволить моделям учиться на своих ошибках. Это часть нашей стратегии в отношении продукта. Мы готовимся к переносу больших наборов данных из парка роботов в облако Siemens, которое может использовать случай неудачи для улучшения нашего продукта — не только для одного клиента, но и для всех клиентов, согласных на обмен данными». Усовершенствования приводят не только к повышению производительности, но и раскрывают новые варианты использования. «Мы показали, что с минимальными усилиями мы можем модифицировать программное обеспечение для использования в совершенно новых сценариях использования, включая роботизированную депаллетизацию», — объясняет Инес. Pick AI лежит в основе недавно внедренной роботизированной камеры депаллетирования на одном из производственных складов Siemens в Эрлангене, Германия. Благодаря этим данным команда расширяет границы роботизированных манипуляций.