การหยิบชิ้นงานจากกระบะ: ความท้าทายที่แท้จริงสำหรับหุ่นยนต์

มีงานที่ง่ายสำหรับมนุษย์ แต่ยากมากสำหรับหุ่นยนต์ และการหยิบชิ้นงานจากกระบะเป็นหนึ่งในงานเหล่านั้น ตัวอย่างเช่น หุ่นยนต์จำเป็นต้องสามารถหยิบชิ้นส่วนเดียวออกจากกล่องที่มีกองชิ้นวางกองสะเปะสะปะ เช่น กองกล่องพัสดุ

Ines Ugalde Diaz และทีมของเธอในเบิร์กลีย์ (สหรัฐอเมริกา) ได้พัฒนาระบบควบคุมหุ่นยนต์มานานกว่าหกปีและได้สร้างสิ่งประดิษฐ์มากกว่า 40 รายการ จนถึงตอนนี้ Ines ได้รับเกียรติให้เป็นนักประดิษฐ์แห่งปี 2024 ในหมวดหมู่ผู้มาใหม่สำหรับโซลูชันการหยิบถังที่สามารถปรับเปลี่ยนได้อย่างยืดหยุ่นสำหรับเครื่องมือจับหุ่นยนต์ต่าง ๆ สิ่งประดิษฐ์นี้ได้รับการคัดเลือกเนื่องจากทำหน้าที่เป็นเมล็ดพันธุ์ของ Siemens SIMATIC Robot Pick AI รุ่นต่อไป Pick AI ได้รับการแสดงในงานแสดงสินค้ามากมาย รวมถึงงานแสดงสินค้าฮันโนเวอร์ในปีนี้ในเยอรมนีในฤดูใบไม้ผลิปี 2024

ในความวุ่นวายภายในกระบะบรรจุชิ้นงานนั้น ชิ้นส่วนแต่ละชิ้นจะวางทับซ้อนกันในทิศทางที่สะเปะสะปะแบบสุ่มทำให้หุ่นยนต์ต้องเริ่มต้นด้วยการแยกแยะโครงสร้างท่ามกลางความวุ่นวายนี้ให้ได้ โดยมันจำเป็นต้องระบุให้ชัดเจนว่าชิ้นส่วนหนึ่งเริ่มต้นที่ตรงไหน และสิ้นสุดลงที่ตรงไหน รวมถึงต้องเข้าใจลักษณะการวางตัวของชิ้นงานเพื่อค้นหาตำแหน่งที่จะสามารถเข้าทำการคีบจับได้อย่างมั่นคง ซึ่งข้อมูลที่จำเป็นอย่างภาพมุมมองปัจจุบันภายในกล่องจะถูกส่งมาจากกล้อง 3 มิติและมีอัลกอริทึมปัญญาประดิษฐ์ที่ผ่านการฝึกฝนให้คัดแยกวัตถุแต่ละชิ้นออกจากกัน จากภาพเหล่านั้นเป็นตัววางรากฐานสำคัญในการควบคุมการเคลื่อนไหวของแขนกลหุ่นยนต์

“โซลูชันของเราถูกออกแบบมาเพื่อให้ใช้งานได้ในไซต์งานของลูกค้าทุกแห่ง เนื่องจากเราได้ฝึกฝนระบบด้วยชุดข้อมูลมหาศาลจากทั้งแหล่งข้อมูลจำลองและข้อมูลในโลกแห่งความเป็นจริง” Ines กล่าว “มันทำงานได้ดีเยี่ยมกับทั้งกล่อง ขวด และถุง รวมถึงกรณีที่ชิ้นส่วนถูกห่อหุ้มด้วยฟิล์มพลาสติก โดยหลักการแล้วลูกค้าไม่ควรจะพบว่าประสิทธิภาพการทำงานลดลงเลย แต่หากเกิดขึ้น พวกเขาก็สามารถอนุญาตให้โมเดลเรียนรู้จากข้อผิดพลาดเหล่านั้นได้ ซึ่งนี่เป็นส่วนหนึ่งของกลยุทธ์ผลิตภัณฑ์ของเรา เรากำลังเตรียมการเพื่อนำเข้าชุดข้อมูลขนาดใหญ่จากฝูงหุ่นยนต์เข้าสู่คลาวด์ของ Siemens ที่มีความสามารถในการนำกรณีที่ผิดพลาดมาใช้เพื่อให้ผลิตภัณฑ์ของเราดียิ่งขึ้น ไม่ใช่แค่สำหรับลูกค้าเพียงรายเดียว แต่สำหรับลูกค้าทุกรายที่ตกลงแบ่งปันข้อมูลร่วมกัน” การปรับปรุงเหล่านี้ไม่เพียงแต่นำไปสู่ประสิทธิภาพที่เพิ่มขึ้น แต่ยังช่วยให้ค้นพบรูปแบบการใช้งานใหม่ๆ “เราได้พิสูจน์แล้วว่าด้วยการปรับแต่งเพียงเล็กน้อย เราก็สามารถแก้ไข Software ให้รองรับลักษณะงานที่แปลกใหม่ไปจากเดิมได้อย่างสิ้นเชิง รวมถึงการใช้หุ่นยนต์รื้อสินค้าออกจากพาเลทด้วย” อินเนสอธิบาย ซึ่งระบบ Pick AI นี้ถือเป็นหัวใจสำคัญของหน่วยงานรื้อสินค้าออกจากพาเลทด้วยหุ่นยนต์ที่เพิ่งติดตั้งใหม่ในคลังสินค้าฝ่ายผลิตของ Siemens ที่เมืองเออร์ลัเกิน ประเทศเยอรมนี และด้วยข้อมูลเหล่านี้เองที่ทำให้ทีมงานสามารถก้าวข้ามขีดจำกัดของการควบคุมสั่งการหุ่นยนต์ไปได้อีกขั้น