Skip to main content
Denna sida visas med automatisk översättning. Visa på engelska istället?

Plockning av soptunnor: En riktig utmaning för robotar

Ines Ugalde Diaz | Årets uppfinnare från Siemens | Nykomling

Det finns uppgifter som är lätta för människor men verkligen svåra för robotar, och sopplockning är en av dessa uppgifter. Till exempel måste robotar kunna plocka en enda del ur en behållare som innehåller en osorterad, kaotiskt anordnad hög med enskilda delar som en hög med paket.

Ines Ugalde Diaz och hennes team i Berkeley (USA) har utvecklat robotstyrsystem i mer än sex år och har gjort över 40 uppfinningar hittills. Ines utsågs till Årets uppfinnare 2024 i kategorin Newcomer för en plockningslösning som flexibelt kan modifieras för olika robotgripverktyg. Denna speciella uppfinning valdes eftersom den fungerar som fröet till nästa generation av Siemens SIMATIC Robot Pick AI. Pick AI har presenterats på många mässor, inklusive årets Hannover-mässa i Tyskland våren 2024.

Gripande med vakuum

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

Många robotar griper genom att skapa ett vakuum. I slutet av armen - vad som kallas ändeffektorn - använder robotar en eller flera sugkoppar för att utöva ett vakuum på föremålet som ska gripas. För att göra detta måste sugkopparna landa på en optimalt, platt, slät och icke-porös yta. Det finns många varianter av sugkuddar i olika storlekar och former, med en rektangulär eller fyrkantig bas och med en eller flera sugkoppar.

”Vår nya uppfinning underlättar användningen av suggripare i varierande storlekar och arrangemang. Det är upp till kunden att bestämma vad de vill ha, säger Ines. ”Det är faktiskt en mycket unik aspekt av vår produkt som skiljer oss från alla konkurrenter.”

Att se igenom kaoset

I kaoset i en behållare ligger de enskilda delarna ovanpå varandra i slumpmässiga rumsliga orienteringar. Roboten måste först känna igen strukturen i detta kaos: Den måste identifiera var en del börjar och var den slutar och förstå hur den är placerad för att hitta en plats där den kan få ett bra grepp. De nödvändiga uppgifterna - den aktuella vyn av lådan - tillhandahålls av en 3D-kamera. AI-algoritmer som har tränats för att skilja de enskilda objekten i dessa bilder lägger grunden för att styra robotarmen.

Förbättra standardprogramvara

Den tilldelade uppfinningen bygger på scenförståelse, särskilt att skilja papperskorgen och de enskilda föremålen. Detta kallas vanligtvis ”instanssegmentering”, ett standardproblem inom maskininlärning och datorsyn. Det finns redan många förutbildade modeller för denna uppgift som har gynnats av utbildning på miljontals exempel. De är bra men de är för allmänna, och de gör misstag i bin-plockningsscenarier. Ines och hennes grupp förbättrade prestandan för dessa standardlösningar till tillfredsställande nivåer genom att ge dem en extra utbildning om specifika datamängder: till exempel verkliga data från befintliga Pick AI-robotceller.

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

Datadelning för bättre prestanda

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

”Vår lösning är avsedd att fungera på alla kundplatser, eftersom vi utbildade den på stora datamängder från både syntetiska och verkliga källor”, säger Ines. ”Det går riktigt bra på lådor, flaskor och påsar, och även om delen kommer insvept i plastfolie. I princip bör kunderna inte se någon operativ försämring, men om de gör det kan de låta modellerna lära av sina misslyckanden. Detta är en del av vår strategi för produkten. Vi förbereder oss för att ta in storskaliga datamängder från flottor av robotar i Siemens moln, som har förmågan att utnyttja ett misslyckande för att göra vår produkt bättre - inte bara för en kund utan för alla kunder som är överens om datadelning.” Förbättringarna leder inte bara till prestandavinster utan också till att avslöja nya användningsfall. ”Vi har visat att vi med minimal ansträngning kan modifiera programvaran för att anta helt nya användningsfall, inklusive robotavpalletering”, förklarar Ines. Pick AI är kärnan i en nyligen implementerad robotdepalleteringscell på ett av Siemens produktiva lager i Erlangen, Tyskland. Tack vare uppgifterna pressar teamet gränserna för robotmanipulation.