Νέο εργαλείο βελτιώνει τις ρομποτικές αρπάγες για την παραγωγή

Μια ομάδα στο Πανεπιστήμιο του Ουάσινγκτον έχει αναπτύξει ένα νέο εργαλείο που μπορεί να σχεδιάσει έναν 3D-εκτυπώσιμο παθητικό αρπάγα και να υπολογίσει την καλύτερη διαδρομή για να πιάσει ένα αντικείμενο. Η νέα ανάπτυξη μπορεί να βοηθήσει στην βελτίωση των ρομποτ σε γραμμές συναρμολόγησης.

Το σύστημα δοκιμάστηκε σε 22 διαφορετικά αντικείμενα, μεταξύ των οποίων μια σφήνα στο σχήμα στοπ πόρτας, μια μπάλα τένις και ένα τρυπάνι, και αποδείχθηκε επιτυχημένο για 20 από τα αντικείμενα. Δύο από τα αντικείμενα που πιάστηκαν επιτυχώς ήταν η σφήνα και ένα πυραμιδοειδές σχήμα με καμπύλη κλειδαρότρυπα, τα οποία συνήθως είναι δύσκολα για διάφορους τύπους αρπαγών.

Η ερευνά πρόκειται να παρουσιαστεί στις 11 Αυγούστου στο SIGGRAPH 2022.

Η Adriana Schulz είναι επικεφαλής της συγγραφικής ομάδας και επίκουρη καθηγήτρια στην Paul G. Allen School of Computer Science & Engineering του Πανεπιστημίου της Ουάσινγκτον.

Δημιουργία Προσαρμοσμένων Εργαλείων για Γραμμές Παραγωγής

“Ακόμη παράγουμε τα περισσότερα από τα προϊόντα μας με γραμμές συναρμολόγησης, οι οποίες είναι πραγματικά καλές αλλά και πολύ αυστηρές. Η πανδημία μας έδειξε ότι χρειαζόμαστε έναν τρόπο να επαναχρησιμοποιήσουμε αυτές τις γραμμές παραγωγής,” είπε η Schulz. “Η ιδέα μας είναι να δημιουργήσουμε προσαρμοσμένα εργαλεία για αυτές τις γραμμές παραγωγής. Αυτό μας δίνει ένα πολύ απλό ρομπότ που μπορεί να κάνει μια εργασία με έναν συγκεκριμένο αρπάγα. Και όταν αλλάξω την εργασία, απλώς αντικαθιστώ τον αρπάγα.”

Τα αντικείμενα έχουν παραδοσιακά σχεδιαστεί για να ταιριάζουν σε έναν συγκεκριμένο αρπάγα, επειδή οι παθητικοί αρπάγες δεν μπορούν να προσαρμοστούν για να ταιριάζουν στο αντικείμενο που πιάνουν.

Ο Jeffrey Lipton είναι συν-συγγραφέας και επίκουρος καθηγητής μηχανολογίας στο Πανεπιστήμιο του Ουάσινγκτον.

“Ο πιο επιτυχημένος παθητικός αρπάγας στον κόσμο είναι τα πιρούνια ενός περονοφόρου ανυψωτικού. Αλλά η ανταλλαγή είναι ότι τα πιρούνια του περονοφόρου λειτουργούν μόνο καλά με συγκεκριμένα σχήματα, όπως παλέτες, που σημαίνει ότι οποιοδήποτε αντικείμενο θέλετε να πιάσετε πρέπει να είναι σε μια παλέτα,” είπε ο Lipton. “Εδώ λέμε ‘OK, δεν θέλουμε να προκαθορίσουμε τη γεωμετρία του παθητικού αρπάγα.’ Αντίθετα, θέλουμε να πάρουμε τη γεωμετρία οποιουδήποτε αντικειμένου και να σχεδιάσουμε έναν αρπάγα.”

Υπάρχουν πολλές διαφορετικές δυνατότητες για έναν αρπάγα, και το σχήμα του συνήθως συνδέεται με τη διαδρομή που ακολουθεί το ρομπότ για να πιάσει το αντικείμενο. Όταν ένας αρπάγας σχεδιάζεται λανθασμένα, κινδυνεύει να συγκρουστεί με το αντικείμενο όταν προσπαθεί να το πιάσει, το οποίο η ομάδα προσπάθησε να λύσει.

Ο Milin Kodnongbua είναι ο κύριος συγγραφέας και ήταν προπτυχιακός φοιτητής στην Allen School του Πανεπιστημίου της Ουάσινγκτον την εποχή της έρευνας.

“Τα σημεία όπου ο αρπάγας έρχεται σε επαφή με το αντικείμενο είναι απαραίτητα για τη διατήρηση της σταθερότητας του αντικειμένου κατά τη λαβή. Ονομάζουμε αυτό το σύνολο σημείων διαμόρφωση λαβής,” είπε ο Kodnongbua. “Επίσης, ο αρπάγας πρέπει να έρχεται σε επαφή με το αντικείμενο στα δεδομένα σημεία, και ο αρπάγας πρέπει να είναι ένα ενιαίο στερεό αντικείμενο που συνδέει τα σημεία επαφής με το ρομπότ. Μπορούμε να ψάξουμε για μια εισαγωγική διαδρομή που ικανοποιεί αυτές τις απαιτήσεις.”

Σχεδιασμός Νέου Αρπάγα και Διαδρομής

Για να σχεδιάσουμε έναν νέο αρπάγα και διαδρομή, η ομάδα πρώτα παρέχει στον υπολογιστή ένα 3D μοντέλο του αντικειμένου και του προσανατολισμού του στον χώρο.

“Πρώτα, ο αλγόριθμος μας γεννάει δυνατές διαμορφώσεις λαβής και τις βαθμολογεί με βάση τη σταθερότητα και κάποιους άλλους μετρητές,” είπε ο Kodnongbua. “Στη συνέχεια, παίρνει την καλύτερη επιλογή και συν-βελτιστοποιεί για να βρει αν μια εισαγωγική διαδρομή είναι δυνατή. Αν δεν μπορεί να βρει μια, τότε πάει στην επόμενη διαμόρφωση λαβής στη λίστα και προσπαθεί να κάνει την συν-βελτιστοποίηση ξανά.”

Ο υπολογιστής παράγει δύο σύνολα οδηγιών όταν βρει μια καλή αντιστοιχία. Το πρώτο είναι για έναν 3D εκτυπωτή για να δημιουργήσει τον αρπάγα, και το δεύτερο είναι με τη διαδρομή για το ρομπότ να ακολουθήσει μετά την εκτύπωση και την τοποθέτηση του αρπάγα.

Η ομάδα δοκίμασε τη νέα μέθοδο σε διάφορα αντικείμενα.

Ο Ian Good είναι άλλος συν-συγγραφέας και διδακτορικός φοιτητής στο τμήμα μηχανολογίας του Πανεπιστημίου του Ουάσινγκτον.

“Σχεδιάσαμε επίσης αντικείμενα που θα ήταν δύσκολα για παραδοσιακούς ρομπότ λαβής, όπως αντικείμενα με πολύ ρηχούς γωνίες ή αντικείμενα με εσωτερική λαβή — όπου πρέπει να πιάσετε με την εισαγωγή ενός κλειδιού,” είπε ο Good.

Η ομάδα εκτέλεσε 10 δοκιμαστικές ανυψώσεις με 22 σχήματα. Για 16 σχήματα, όλες οι 10 ανυψώσεις πέτυχαν. Τα περισσότερα σχήματα είχαν τουλάχιστον μια επιτυχία, και δύο δεν είχαν.

Ακόμη και χωρίς καμία ανθρώπινη παρέμβαση, ο αλγόριθμος ανέπτυξε τις ίδιες στρατηγικές λαβής για παρόμοια σχήματα. Αυτό έχει οδηγήσει τους ερευνητές να πιστεύουν ότι θα μπορούσαν να δημιουργήσουν παθητικούς αρπάγες που πιάνουν μια κατηγορία αντικειμένων αντί για ένα συγκεκριμένο αντικείμενο.