Nowy narzędzie poprawia chwytacze robota dla linii produkcyjnych

Zespół z Uniwersytetu Waszyngtonu opracował nowe narzędzie, które może zaprojektować chwytacz pasywny do druku 3D i obliczyć najlepszą ścieżkę do podniesienia obiektu. Nowy rozwój może pomóc w poprawie robotów na liniach montażowych.

System został przetestowany na 22 różnych obiektach, w tym na klinie w kształcie klinu, piłce tenisowej i wiertle, i okazał się skuteczny dla 20 obiektów. Dwa obiekty, które zostały pomyślnie podniesione, to klin i piramida z wygiętym otworem, które zwykle są trudne do chwytania przez różne typy chwytaczy.

Badanie zostanie przedstawione 11 sierpnia na SIGGRAPH 2022.

Adriana Schulz jest głównym autorem i asystentem profesora w Szkole Inżynierii Komputerowej i Techniki Uniwersytetu Waszyngtonu.

Tworzenie niestandardowych narzędzi dla linii produkcyjnych

“Nadal produkujemy większość naszych przedmiotów na liniach montażowych, które są bardzo dobre, ale także bardzo sztywne. Pandemia pokazała nam, że musimy mieć sposób na łatwe przekształcenie tych linii produkcyjnych”, powiedział Schulz. “Nasza idea jest stworzenie niestandardowych narzędzi dla tych linii produkcyjnych. To daje nam bardzo prostego robota, który może wykonać jedną czynność z określonym chwytaczem. A kiedy zmieniam zadanie, po prostu wymieniam chwytacz.”

Obiekty tradycyjnie są projektowane tak, aby pasowały do określonego chwytacza, ponieważ chwytacze pasywne nie mogą dostosować się do obiektu, który chcą podnieść.

Jeffrey Lipton jest współautorem i asystentem profesora inżynierii mechanicznej.

“Najbardziej udany chwytacz pasywny na świecie to szczypce na wózku widłowym. Ale kompromis polega na tym, że szczypce na wózku widłowym działają dobrze tylko z określonymi kształtami, takimi jak palety, co oznacza, że wszystko, co chcesz chwycić, musi być na palecie”, powiedział Lipton. “Tutaj mówimy ‘OK, nie chcemy definiować geometrii chwytacza pasywnego’. Zamiast tego chcemy wziąć geometrię dowolnego obiektu i zaprojektować chwytacz.”

Istnieje wiele różnych możliwości dla chwytacza, a jego kształt zwykle jest związany ze ścieżką, którą robot wykonuje, aby podnieść obiekt. Kiedy chwytacz jest zaprojektowany niepoprawnie, ryzykuje uderzenie w obiekt podczas próby jego podniesienia, co zespół postanowił rozwiązać.

Milin Kodnongbua jest głównym autorem i był studentem Uniwersytetu Waszyngtonu w czasie badań.

“Punkty, w których chwytacz ma kontakt z obiektem, są niezbędne do utrzymania stabilności obiektu w chwytaku. Nazywamy to zestawem punktów ‘konfiguracja chwytaka'”, powiedział Kodnongbua. “Ponadto chwytacz musi mieć kontakt z obiektem w tych punktach, a chwytacz musi być jednym solidnym obiektem łączącym punkty kontaktu z ramieniem robota. Możemy wyszukać trajektorię wstawienia, która spełnia te wymagania.”

Projektowanie nowego chwytacza i trajektorii

Aby zaprojektować nowy chwytacz i trajektorię, zespół najpierw dostarcza komputerowi modelu 3D obiektu i jego orientacji w przestrzeni.

“Nasza pierwsza generuje możliwe konfiguracje chwytaka i ocenia je pod kątem stabilności i innych wskaźników”, powiedział Kodnongbua. “Następnie bierze najlepszą opcję i ko-optymalizuje, aby znaleźć, czy możliwa jest trajektoria wstawienia. Jeśli nie może jej znaleźć, przechodzi do następnej konfiguracji chwytaka na liście i próbuje ponownie.”

Komputer generuje dwa zestawy instrukcji, gdy znajdzie dobre dopasowanie. Pierwszy zestaw jest dla drukarki 3D do stworzenia chwytacza, a drugi zestaw jest z trajektorią dla ramienia robota po wydrukowaniu i podłączeniu chwytacza.

Zespół przetestował nową metodę na różnych obiektach.

Ian Good jest współautorem i doktorantem na wydziale inżynierii mechanicznej.

“Zaprojektowaliśmy również obiekty, które byłyby trudne do chwytania dla tradycyjnych robotów, takich jak obiekty z bardzo płytkimi kątami lub obiekty z wewnętrznym chwytaniem — gdzie musisz je podnieść przez wstawienie klucza”, powiedział Good.

Zespół przeprowadził 10 testowych podniesień z 22 kształtami. Dla 16 kształtów wszystkie 10 podniesień się powiodło. Większość kształtów miała co najmniej jeden sukces, a dwa nie.

Nawet bez żadnej interwencji człowieka, algorytm rozwinął te same strategie chwytania dla podobnie ukształtowanych obiektów. To skłoniło badaczy do przekonania, że mogą być w stanie stworzyć pasywne chwytacze, które podnoszą klasę obiektów, a nie konkretny obiekt.