Нов инструмент подобрява захващащите роботи за производство

Екип от Университета на Вашингтон разработи нов инструмент, който може да проектира пасивен захват за 3D печат и да изчисли най-добрия път за вдигане на обект. Новата разработка може да помогне за подобряване на роботите на поточната линия. 

Системата беше тествана върху 22 различни обекта, включително клин с форма на ограничител на врата, топка за тенис и бормашина, и се оказа успешна за 20 от обектите. Два от успешно взетите обекти бяха клинът и пирамидална форма с извита ключалка, които обикновено са трудни за различни видове хващачи. 

- изследване ще бъде представен на 11 август на SIGGRAPH 2022. 

Адриана Шулц е старши автор и асистент на UW в Училището по компютърни науки и инженерство Paul G. Allen. 

Създаване на персонализирани инструменти за производствени линии

„Ние все още произвеждаме повечето от нашите артикули с поточни линии, които са наистина страхотни, но и много здрави. Пандемията ни показа, че трябва да имаме начин лесно да пренастроим тези производствени линии“, каза Шулц. „Нашата идея е да създадем персонализирани инструменти за тези производствени линии. Това ни дава много прост робот, който може да изпълни една задача със специфичен захват. И тогава, когато сменя задачата, просто сменям грайфера.

Предметите традиционно са проектирани да съответстват на конкретен захват, тъй като пасивните захвати не могат да се настроят, за да паснат на обекта, който вземат.

Джефри Липтън е съавтор и асистент по машинно инженерство в UW. 

„Най-успешният пасивен захват в света е щипката на мотокара. Но компромисът е, че щипките за мотокари работят добре само със специфични форми, като например палети, което означава, че всичко, което искате да хванете, трябва да бъде на палет“, каза Липтън. „Тук казваме „Добре, не искаме да дефинираме предварително геометрията на пасивния грайфер.“ Вместо това искаме да вземем геометрията на всеки обект и да проектираме грайфер.“

Има много различни възможности за захващане и формата му обикновено е свързана с пътя, по който ръката на робота поема, за да вземе обекта. Когато грайферът е проектиран неправилно, той рискува да се блъсне в обекта, когато се опитва да го вземе, което екипът се зае да реши. 

Milin Kodnongbua е водещ автор и е бил студент на UW в училището Allen по време на изследването. 

„Точките, в които захватът влиза в контакт с обекта, са от съществено значение за поддържане на стабилността на обекта при хващане. Ние наричаме този набор от точки „конфигурация на хващане“, каза Коднонгбуал. „Освен това, захващащото устройство трябва да контактува с обекта в тези дадени точки, а захващащото устройство трябва да бъде единичен твърд обект, свързващ контактните точки с ръката на робота. Можем да търсим траектория на вмъкване, която отговаря на тези изисквания.

Проектиране на нов грайфер и траектория

За да проектира нов грайфер и траектория, екипът първо предоставя на компютъра 3D модел на обекта и неговата ориентация в пространството. 

„Първо нашият алгоритъм генерира възможни конфигурации за хващане и ги класира въз основа на стабилност и някои други показатели“, каза Коднонгбуа. „След това се взема най-добрият вариант и се оптимизира съвместно, за да се установи дали траекторията на вмъкване е възможна. Ако не може да намери такъв, тогава преминава към следващата конфигурация за хващане в списъка и се опитва да извърши съвместната оптимизация отново.

Компютърът извежда два набора инструкции, след като намери добро съвпадение. Първият е за 3D принтер, който да създаде грайфера, а вторият е с траекторията на ръката на робота след отпечатването и закрепването на грайфера. 

Екипът тества новия метод върху различни обекти.

Иън Гуд е друг съавтор и докторант на UW в отдела по машинно инженерство. 

„Ние също проектирахме обекти, които биха били предизвикателство за традиционните хващащи роботи, като обекти с много плитки ъгли или обекти с вътрешно хващане – където трябва да ги вземете с вмъкване на ключ“, каза Гуд. 

Екипът извърши 10 тестови пикапа с 22 форми. За 16 форми, всичките 10 пикапа са успешни. Повечето форми имаха поне един успех, а два не.

Дори без човешка намеса, алгоритъмът разработи същите стратегии за захващане за предмети с подобна форма. Това накара изследователите да повярват, че биха могли да създадат пасивни хващачи, които улавят клас обекти, а не конкретен обект.