Nytt verktyg förbättrar robotgrepp för tillverkningslinjer

Ett team vid University of Washington har utvecklat ett nytt verktyg som kan designa ett 3D-skrivbart passivt grepp och beräkna den bästa vägen för att plocka upp ett föremål. Den nya utvecklingen kan hjälpa till att förbättra monteringslinjor för robotar. 

Systemet testades på 22 olika föremål, inklusive en dörrstoppformad kil, en tennissko och en borr, och det visade sig vara framgångsrikt för 20 av föremålen. Två av de föremål som plockades upp var kilen och en pyramidform med en krökt nyckelhål, som vanligtvis är svåra för flera typer av grepp. 

Forskningen kommer att presenteras den 11 augusti på SIGGRAPH 2022. 

Adriana Schulz är seniorförfattare och biträdande professor vid University of Washingtons datorvetenskaps- och ingenjörsavdelning. 

Skapande av anpassad verktyg för tillverkningslinjer

“Vi producerar fortfarande de flesta av våra artiklar med monteringslinjer, som är mycket bra men också mycket stela. Pandemin visade oss att vi behöver ha ett sätt att enkelt omkonfigurera dessa produktionslinjer”, sa Schulz. “Vår idé är att skapa anpassad verktyg för dessa tillverkningslinjer. Det ger oss en mycket enkel robot som kan utföra en uppgift med ett specifikt grepp. Och sedan när jag ändrar uppgiften, byter jag bara ut greppet.”

Föremål har traditionellt sett designats för att matcha ett specifikt grepp, eftersom passiva grepp inte kan anpassa sig för att passa föremålet de plockar upp.

Jeffrey Lipton är medförfattare och biträdande professor i maskinteknik. 

“Den mest framgångsrika passiva greppen i världen är tång på en truck. Men kompromissen är att trucktång bara fungerar bra med specifika former, som pall, vilket innebär att allt du vill gripa måste vara på en pall”, sa Lipton. “Här säger vi ‘OK, vi vill inte fördefiniera geometrin på den passiva greppen.’ Istället vill vi ta geometrin på vilket föremål som helst och designa ett grepp.”

Det finns många olika möjligheter för ett grepp, och dess form är vanligtvis länkad till den väg robotarmen tar för att plocka upp föremålet. När ett grepp är designat felaktigt riskerar det att krocka med föremålet när det försöker plocka upp det, vilket teamet försökte lösa. 

Milin Kodnongbua är huvudförfattare och var en student vid University of Washingtons datorvetenskaps- och ingenjörsavdelning vid tidpunkten för forskningen. 

“De punkter där greppet kommer i kontakt med föremålet är avgörande för att upprätthålla föremålets stabilitet i greppet. Vi kallar denna uppsättning punkter för ‘greppkonfiguration'”, sa Kodnongbua. “Även greppet måste komma i kontakt med föremålet vid dessa givna punkter, och greppet måste vara ett enda fast föremål som ansluter kontaktpunkterna till robotarmen. Vi kan söka efter en införselbana som uppfyller dessa krav.”

Design av nytt grepp och bana

För att designa ett nytt grepp och bana ger teamet först datorn en 3D-modell av föremålet och dess orientering i rymden. 

“Först genererar vår algoritm möjliga greppkonfigurationer och rankar dem baserat på stabilitet och andra mått”, sa Kodnongbua. “Sedan tar den det bästa alternativet och samoptimerar för att hitta om en införselbana är möjlig. Om den inte kan hitta en, går den till nästa greppkonfiguration på listan och försöker samoptimera igen.”

Datorn ger ut två uppsättningar instruktioner när den hittar en bra match. Den första är för en 3D-skrivare för att skapa greppet, och den andra är för banan för robotarmen efter tryckning och montering av greppet. 

Teamet testade den nya metoden på olika föremål.

Ian Good är en annan medförfattare och en doktorand vid University of Washingtons maskintekniska avdelning. 

“Vi designade också föremål som skulle vara utmanande för traditionella grepprobotar, som föremål med mycket grunt vinkel eller föremål med intern greppning — där du måste plocka upp dem med införandet av en nyckel”, sa Good. 

Teamet utförde 10 testplockningar med 22 former. För 16 former lyckades alla 10 plockningar. De flesta former hade åtminstone en framgång, och två lyckades inte.

Även utan något mänskligt ingripande utvecklade algoritmen samma greppstrategier för liknande former. Detta har lett forskarna att tro att de kan skapa passiva grepp som plockar upp en klass av föremål snarare än ett specifikt föremål.