Robotteknologi og fysisk AI

Nyt Værktøj Forbedrer Robot Gripper til Produktion

mm
Føj Unite.AI til dine foretrukne kilder på Google

Et hold på University of Washington har udviklet et nyt værktøj, der kan designe en 3D-printbar passiv gripper og beregne den bedste vej til at samle et objekt. Den nye udvikling kan hjælpe med at forbedre assembly-line robotter.

Systemet blev testet på 22 forskellige objekter, herunder en dørstop-formet kegle, en tennisbold og en boremaskine, og det viste sig at være succesfuldt for 20 af objekterne. To af objekterne, der blev samlet succesfuldt, var keglen og en pyramideform med en kurvet nøglehul, som normalt er svært for mange typer grippere.

Forskningen skal præsenteres den 11. august på SIGGRAPH 2022.

Adriana Schulz er seniorforfatter og en UW-assistentprofessor på Paul G. Allen School of Computer Science & Engineering.

Oprettelse af Brugerdefineret Værktøj til Produktion

“Vi producerer stadig de fleste af vores varer på assembly-linjer, som er rigtig gode, men også meget stive. Pandemien viste os, at vi har brug for en måde at let ombruge disse produktionslinjer på,” sagde Schulz. “Vores idé er at oprette brugerdefineret værktøj til disse produktionslinjer. Det giver os en meget simpel robot, der kan udføre en opgave med en specifik gripper. Og når jeg ændrer opgaven, erstatter jeg blot gripperen.”

Objekter er traditionelt blevet designet til at matche en specifik gripper, da passive grippere ikke kan tilpasse sig til at gribe objekter.

Jeffrey Lipton er medforfatter og en UW-assistentprofessor i mekanisk ingeniørvidenskab.

“Den mest succesfulde passive gripper i verden er tængerne på en gaffeltruck. Men kompromiset er, at gaffeltrucktænger kun fungerer godt med bestemte former, såsom palette, hvilket betyder, at alt, du vil gribe, skal være på en palette,” sagde Lipton. “Her siger vi ‘OK, vi vil ikke forhåndsvælge geometrien på den passive gripper.’ I stedet vil vi tage geometrien på ethvert objekt og designe en gripper.”

Der er mange muligheder for en gripper, og dens form er normalt forbundet med den vej, robotten følger for at samle objekter. Når en gripper er designet forkert, risikerer den at støde ind i objekter, når den forsøger at samle dem, hvilket holdet forsøgte at løse.

Milin Kodnongbua er hovedforfatter og var en UW-studerende på Allen School på tidspunktet for forskningen.

“De punkter, hvor gripperen kommer i kontakt med objekter, er afgørende for at opretholde objekternes stabilitet i grebet. Vi kalder denne samling af punkter for ‘grebet-konfigurationen,'” sagde Kodnongbua. “Og gripperen skal også være i kontakt med objekterne på disse punkter, og gripperen skal være et enkelt solidt objekt, der forbinder kontaktpunkterne til robotten. Vi kan søge efter en indsætningsvej, der opfylder disse krav.”

Design af Ny Gripper og Trajektory

For at designe en ny gripper og trajektory giver holdet først computeren en 3D-model af objekter og deres orientering i rummet.

“Først genererer vores algoritme mulige grebet-konfigurationer og rangerer dem efter stabilitet og andre målinger,” sagde Kodnongbua. “Derefter tager den den bedste mulighed og ko-optimere for at finde ud af, om en indsætningsvej er mulig. Hvis den ikke kan finde en, går den til den næste grebet-konfiguration på listen og prøver at ko-optimere igen.”

Computeren udskriver to sæt instruktioner, når den finder en god mulighed. Det første er for en 3D-printer til at skabe gripperen, og det andet er for trajektoryen for robotten efter trykning og montering af gripperen.

Holdet testede den nye metode på forskellige objekter.

Ian Good er en anden medforfatter og en UW-doktorand i mekanisk ingeniørvidenskab.

“Vi designede også objekter, der ville være udfordrende for traditionelle gripper-robotter, såsom objekter med meget flade vinkler eller objekter med intern griber — hvor du skal samle dem op med indsætning af en nøgle,” sagde Good.

Holdet udførte 10 test-samlinger med 22 former. For 16 former lykkedes alle 10 samlinger. De fleste former havde mindst én succes, og to havde ikke.

Selv uden nogen menneskelig indgriben udviklede algoritmen de samme griber-strategier for lignende formede objekter. Dette har ført forskerne til at tro, at de kan oprette passive grippere, der samler en klasse af objekter i stedet for et specifikt objekt.

Alex McFarland er en AI-journalist og forfatter, der udforsker de seneste udviklinger inden for kunstig intelligens. Han har samarbejdet med talrige AI-startups og publikationer verden over.