Skip to main content
Trang này được hiển thị bằng tính năng dịch tự động. Xem bằng tiếng Anh?

Chọn thùng: Một thách thức thực sự cho robot

Ines Ugalde Diaz | Nhà phát minh của năm của Siemens | Người mới

Có những nhiệm vụ dễ dàng đối với con người nhưng thực sự khó khăn đối với robot, và nhặt thùng là một trong những nhiệm vụ đó. Ví dụ, robot cần có khả năng chọn một phần duy nhất từ thùng chứa một đống các bộ phận riêng lẻ không được sắp xếp hỗn loạn, như một đống bưu kiện.

Ines Ugalde Diaz và nhóm của cô ở Berkeley (Mỹ) đã phát triển hệ thống điều khiển robot trong hơn sáu năm và đã thực hiện hơn 40 phát minh cho đến nay. Ines được vinh danh là Nhà phát minh của năm 2024 trong hạng mục Người mới đến với giải pháp chọn thùng có thể được sửa đổi linh hoạt cho các công cụ kẹp robot khác nhau. Phát minh đặc biệt này được chọn vì nó đóng vai trò là hạt giống của thế hệ tiếp theo của Siemens SIMATIC Robot Pick AI. Pick AI đã được giới thiệu tại nhiều triển lãm thương mại, bao gồm hội chợ Hannover năm nay ở Đức vào mùa xuân năm 2024.

Nắm bằng chân không

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

Nhiều robot cầm nắm bằng cách tạo chân không. Ở cuối cánh tay của chúng - cái được gọi là bộ tạo hiệu ứng cuối - robot sử dụng một hoặc nhiều cốc hút để tạo chân không lên vật cần nắm. Để làm được điều này, các ống hút phải hạ cánh trên một bề mặt tối ưu, phẳng, nhẵn và không xốp. Có nhiều biến thể của miếng hút với các kích cỡ và hình dạng khác nhau, với đế hình chữ nhật hoặc hình vuông và với một hoặc nhiều ống hút.

“Sáng chế mới của chúng tôi tạo điều kiện cho việc sử dụng kẹp hút ở các kích cỡ và cách sắp xếp khác nhau. Tùy thuộc vào khách hàng để quyết định những gì họ muốn”, Ines nói. “Đó thực sự là một khía cạnh rất độc đáo của sản phẩm của chúng tôi giúp chúng tôi khác biệt với tất cả các đối thủ cạnh tranh.”

Nhìn xuyên qua sự hỗn loạn

Trong sự hỗn loạn của một thùng, các bộ phận riêng lẻ nằm chồng lên nhau theo các hướng không gian ngẫu nhiên. Robot trước tiên phải nhận ra cấu trúc trong sự hỗn loạn này: Nó cần xác định nơi một bộ phận bắt đầu và kết thúc ở đâu và hiểu vị trí của nó để tìm một nơi mà nó có thể bám tốt. Dữ liệu cần thiết - chế độ xem hiện tại của hộp - được cung cấp bởi máy ảnh 3D. Các thuật toán AI đã được đào tạo để phân biệt các đối tượng riêng lẻ trong những hình ảnh này đặt nền tảng cho việc điều khiển cánh tay robot.

Nâng cao phần mềm tiêu chuẩn

Sáng chế được trao giải được xây dựng trên cơ sở hiểu biết về cảnh, đặc biệt là phân biệt thùng và các đối tượng riêng lẻ. Điều này thường được gọi là “phân đoạn phiên bản”, một vấn đề tiêu chuẩn trong học máy và thị giác máy tính. Đã có nhiều mô hình được đào tạo trước cho nhiệm vụ này đã được hưởng lợi từ việc đào tạo trên hàng triệu ví dụ. Họ giỏi nhưng họ quá chung chung và họ mắc sai lầm trong các kịch bản chọn thùng rác. Ines và nhóm của cô đã cải thiện hiệu suất của các giải pháp tiêu chuẩn này đến mức thỏa đáng bằng cách đào tạo thêm cho họ về các bộ dữ liệu cụ thể: ví dụ, dữ liệu thực tế từ các tế bào robot Pick AI hiện có.

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

Chia sẻ dữ liệu để có hiệu suất tốt hơn

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

“Giải pháp của chúng tôi được thiết kế để hoạt động tại bất kỳ địa điểm khách hàng nào, bởi vì chúng tôi đã đào tạo nó trên các bộ dữ liệu khổng lồ từ cả nguồn tổng hợp và thực tế”, Ines nói. “Nó hoạt động thực sự tốt trên hộp, chai và túi, và cả nếu bộ phận được bọc trong giấy nhựa. Về nguyên tắc, khách hàng không nên thấy bất kỳ sự suy giảm hoạt động nào, nhưng nếu họ làm vậy, họ có thể cho phép các mô hình học hỏi từ những thất bại của họ. Đây là một phần trong chiến lược của chúng tôi đối với sản phẩm. Chúng tôi đang chuẩn bị đưa các bộ dữ liệu quy mô lớn từ đội robot vào đám mây của Siemens, có khả năng tận dụng trường hợp thất bại để làm cho sản phẩm của chúng tôi tốt hơn - không chỉ cho một khách hàng, mà cho tất cả khách hàng đồng ý chia sẻ dữ liệu. Những cải tiến không chỉ dẫn đến tăng hiệu suất mà còn tiết lộ các trường hợp sử dụng mới. “Chúng tôi đã chỉ ra rằng với nỗ lực tối thiểu, chúng tôi có thể sửa đổi phần mềm để đảm nhận các trường hợp sử dụng hoàn toàn mới lạ, bao gồm cả việc tháo pallet bằng robot”, Ines giải thích. Pick AI là cốt lõi của một tế bào khử pallet robot mới được triển khai tại một trong những nhà kho sản xuất của Siemens ở Erlangen, Đức. Nhờ dữ liệu, nhóm nghiên cứu đang đẩy lùi biên giới của thao tác robot.