Skip to main content

Виймання предметів із контейнера: справжній виклик для роботів

Інес Уґальде Діас | Винахідники року Siemens | Нові обличчя

Є завдання, легкі для людей, але дійсно складні для роботів. Одним із них є виймання предметів із контейнера. Наприклад, роботи повинні вміти вибрати один предмет із контейнера, що містить несортовану, хаотично розташовану купу окремих предметів, як-от купа посилок.

Інес Уґальде Діас (Ines Ugalde Diaz) і її група в Берклі (США) розробляють системи керування роботами понад шість років і на сьогодні зробили понад 40 винаходів. Інес отримала титул «Винахідник 2024 року» в категорії «Нові обличчя» за рішення для виймання предметів з контейнера, яке можна модифікувати для роботів з різними захоплювачами. Саме цей винахід було обрано тому, що він став основою для створення нового покоління Siemens SIMATIC Robot Pick AI. Pick AI було представлено на численних виставках, зокрема на ярмарку в Ганновері (Німеччина) навесні 2024 року.

Ваккумне захоплення

Людина стоїть перед дошкою, покритою схемами й рукописними примітками, пов'язаними з розпізнаванням і ранжуванням 3D-об'єктів.

Багато роботів тримають предмети завдяки вакууму. Для цього їхні маніпулятори оснащуються одним або кількома присосками, які мають притискатися до рівної, гладкої непористої поверхні. Існує багато варіантів присмоктувальних модулів різних розмірів і форм, з прямокутною або квадратною основою, з одним або декількома присосками.

«Наш новий винахід полегшує використання вакуумних захоплювачів різного розміру й розташування. Клієнт вирішує, чого він хоче», — каже Інес. — «Це насправді унікальний аспект нашого продукту, який відрізняє нас від усіх конкурентів».

Бачення крізь хаос

У контейнері окремі предмети лежать один на одному в довільних просторових положеннях. Робот спочатку повинен розпізнати в цьому хаосі структуру: йому потрібно визначити, де починається предмет і де він закінчується, і зрозуміти, як він розташований, щоб зрозуміти, де його можна надійно захопити. Необхідні дані — поточний вигляд коробки — надходять із 3D-камери. Основу керування маніпулятором робота складають алгоритми штучного інтелекту, навчені розрізняти на цих зображеннях предмети.

Покращення стандартного програмного забезпечення

Винахід базується на розумінні сцени, зокрема розрізняючи контейнер та окремі об'єкти. Це стандартна задача машинного навчання й комп'ютерного зору, яку зазвичай називають «сегментацією екземплярів». Для цього завдання вже створено багато моделей, які навчено на мільйонах прикладів. Вони хороші, але занадто загальні, і в задачі виймання предметів з контейнера вони роблять помилки. Інес і її група покращили продуктивність цих стандартних рішень до задовільного рівня, виконавши їх додаткове навчання на спеціальних наборах даних, наприклад реальних даних з наявних роботизованих комірок Pick AI.

Людина працює за столом з двома моніторами, на яких видно код; на передньому плані видно маніпулятор робота.

Обмін даними для підвищення продуктивності

Рука вказує на екран комп'ютера, на якому видно барвисте цифрове зображення з зеленою галочкою, що символізує успішну обробку.

«Наше рішення призначене для роботи на будь-якому об'єкті клієнта, тому що ми навчили його на величезних наборах даних із синтетичних і реальних джерел», — каже Інес. — «Це дуже добре працює на коробках, пляшках і пакетах, а також предметах, загорнутих у полімерну плівку. В принципі, клієнти не повинні бачити зниження ефективності роботи, але якщо це станеться, вони можуть дозволити моделям вчитися на невдалих спробах. Це частина нашої стратегії щодо продукту. Ми готуємося до введення масштабних наборів даних із парків роботів у хмару Siemens, яка здатна використовувати невдалі спроби для покращення продукту не лише для одного клієнта, а для всіх клієнтів, які погоджуються на обмін даними». Покращення призводять не тільки до підвищення продуктивності, а й до виявлення нових сфер використання. «Ми показали, що з мінімальними зусиллями ми можемо модифікувати програмне забезпечення, щоб охоплювати абсолютно нові сфери застосування, як-от роботизоване розвантажування з піддонів», — пояснює Інес. Pick AI лежить в основі нещодавно розгорнутої роботизованої камери для розвантажування з піддонів на одному з виробничих складів Siemens у м. Ерланген (Німеччина). Завдяки даним група розширює межі маніпуляційних можливостей робототехніки.