Skip to main content
This page is displayed using automated translation. View in English instead?
Robotska hvataljka sa usisnim čašama drži malu kartonsku kutiju dok je osoba podešava.

Branje kanti: Pravi izazov za robote

Ines Ugalde Diaz | Siemens pronalazači godine | Novajlija

Postoje zadaci koji su laki za ljude, ali zaista teški za robote, a branje kanti je jedan od tih zadataka. Na primer, roboti moraju biti u stanju da odaberu jedan deo iz kante koji sadrži nesortiranu, haotično raspoređenu gomilu pojedinih delova poput gomile parcela.

Ines Ugalde Diaz i njen tim u Berkliju (SAD) razvijaju sisteme upravljanja robotima više od šest godina i do sada su napravili preko 40 izuma. Ines je nagrađena kao pronalazač godine 2024. u kategoriji Novajlija za rešenje za biranje klica koje se može fleksibilno modifikovati za različite alate za hvatanje robota. Ovaj izum je izabran jer služi kao seme sledeće generacije Siemens SIMATIC Robot Pick AI. Pick AI predstavljen je na brojnim sajmovima, uključujući ovogodišnji sajam u Hanoveru u Nemačkoj u proleće 2024.

Hvatanje vakumom

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

Mnogi roboti hvataju stvarajući vakuum. Na kraju ruke - ono što se naziva krajnji efektor - roboti koriste jednu ili više usisnih čaša da izvrše vakuum na predmet koji će se hvatiti. Da bi se to postiglo, usisne čaše moraju sletjeti na optimalnu, ravnu, glatku i neporoznu površinu. Postoji mnogo varijanti usisnih jastučića različitih veličina i oblika, sa pravougaonom ili kvadratnom bazom i sa jednom ili više usisnih čaša.

„Naš novi pronalazak olakšava upotrebu usisnih hvataljki u promenljivim veličinama i rasporedima. Na kupcu je da odluči šta želi „, kaže Ines. „To je zapravo vrlo jedinstven aspekt našeg proizvoda koji nas razlikuje od svih konkurenata.“

Gledajući kroz haos

U haosu kante, pojedini delovi leže jedan na drugom u nasumičnim prostornim orijentacijama. Robot prvo mora da prepozna strukturu u ovom haosu: mora da identifikuje gde deo počinje i gde se završava i razume kako je postavljen kako bi pronašao mesto gde može dobro da se pridržava. Potrebne podatke - trenutni prikaz kutije - obezbeđuje 3D kamera. AI algoritmi koji su obučeni da razlikuju pojedinačne objekte na ovim slikama postavljaju temelje za kontrolu ruke robota.

Poboljšanje standardnog softvera

Nagrađeni pronalazak se zasniva na razumevanju scene, posebno razlikujući kantu i pojedinačne predmete. Ovo se obično naziva „segmentacija instance“, standardni problem u mašinskom učenju i računarskom vidu. Već postoji mnogo unapred obučenih modela za ovaj zadatak koji su imali koristi od obuke na milionima primera. Dobri su, ali su previše opšti i prave greške u scenarijima odabira bin-a. Ines i njena grupa poboljšale su performanse ovih standardnih rešenja na zadovoljavajuće nivoe pružajući im dodatnu obuku o specifičnim skupovima podataka: na primer, podaci iz stvarnog sveta iz postojećih robotskih ćelija Pick AI.

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

Deljenje podataka za bolje performanse

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

„Naše rešenje je namenjeno da radi na bilo kojoj lokaciji kupaca, jer smo ga obučili na ogromnim skupovima podataka iz sintetičkih i iz stvarnih izvora“, kaže Ines. „Zaista se dobro snalazi na kutijama, bocama i kesama, a takođe i ako je deo umotan u plastičnu foliju. U principu, kupci ne bi trebalo da vide nikakvu operativnu degradaciju, ali ako to učine, mogu dozvoliti modelima da uče iz svojih kvarova. Ovo je deo naše strategije za proizvod. Pripremamo se da unesemo velike skupove podataka iz flota robota u Siemensov oblak, koji ima mogućnost da iskoristi slučaj neuspeha kako bi naš proizvod bio bolji - ne samo za jednog kupca, već i za sve kupce koji se slažu oko deljenja podataka. Poboljšanja ne samo da dovode do povećanja performansi već i do otkrivanja novih slučajeva upotrebe. „Pokazali smo da uz minimalan napor možemo modifikovati softver kako bismo preuzeli potpuno nove slučajeve upotrebe, uključujući robotsku depaletizaciju“, objašnjava Ines. Pick AI je u srži novoraspoređene robotske ćelije za depaletizaciju u jednom od proizvodnih skladišta Siemensa u Erlangenu u Nemačkoj. Zahvaljujući podacima, tim pomera granice robotske manipulacije.