หุ่นยนต์และ AI ทางกายภาพ

เครื่องมือใหม่ปรับปรุงการทำงานของกิ๊บสำหรับการผลิต

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

ทีมงานจากมหาวิทยาลัยวอชิงตันได้พัฒนาเครื่องมือใหม่ที่สามารถออกแบบกิ๊บแบบพาสซีฟที่สามารถพิมพ์ 3 มิติได้ และคำนวณเส้นทางที่ดีที่สุดในการจับวัตถุ การพัฒนานี้สามารถช่วยปรับปรุงการทำงานของหุ่นยนต์บนเส้นการผลิตได้

ระบบนี้ได้รับการทดสอบกับวัตถุ 22 ชิ้น รวมถึงdoorstop-shaped wedge ลูกเทนนิส และเครื่องบัดกรี และมันแสดงให้เห็นว่าสามารถทำงานได้สำเร็จกับวัตถุ 20 ชิ้น วัตถุ 2 ชิ้นที่สามารถจับได้สำเร็จคือ wedge และพีระมิดที่มีรูเปิดโค้ง ซึ่งเป็นวัตถุที่ยากสำหรับกิ๊บหลายประเภท

การวิจัยนี้ได้รับการตีพิมพ์ในวันที่ 11 สิงหาคม tại SIGGRAPH 2022

Adriana Schulz เป็นนักวิจัยหลักและเป็นอาจารย์助理ที่ Paul G. Allen School of Computer Science & Engineering

การสร้างเครื่องมือสำหรับการผลิต

“เรายังคงผลิตสินค้าของเราโดยใช้เส้นการผลิต ซึ่งเป็นเรื่องที่ดี แต่ก็ยังต้องการความยืดหยุ่น การระบาดของโควิด-19 ได้แสดงให้เห็นว่าเราต้องการวิธีการที่จะเปลี่ยนแปลงเส้นการผลิตได้อย่างง่ายดาย” Schulz กล่าว “ความคิดของเราคือการสร้างเครื่องมือสำหรับเส้นการผลิตเหล่านี้ ซึ่งจะทำให้เรามีหุ่นยนต์ที่สามารถทำงานได้ 1 งานโดยใช้กิ๊บแบบพาสซีฟ และเมื่อเราเปลี่ยนงาน เราก็แค่ต้องเปลี่ยนกิ๊บ”

วัตถุได้รับการออกแบบมาเพื่อให้เหมาะสมกับกิ๊บแบบพาสซีฟ เนื่องจากกิ๊บแบบพาสซีฟไม่สามารถปรับเปลี่ยนรูปทรงเพื่อให้เหมาะสมกับวัตถุที่จะจับ

Jeffrey Lipton เป็นนักวิจัยร่วมและเป็นอาจารย์助理สาขาวิศวกรรมเครื่องกล

“กิ๊บแบบพาสซีฟที่ประสบความสำเร็จมากที่สุดในโลกคือคีมบนรถยก แต่สิ่งที่ต้องแลกมาคือคีมบนรถยกลift 只能ทำงานได้ดีกับวัตถุที่มีรูปทรงเฉพาะ เช่น พาเลท” Lipton กล่าว “ที่นี่เราไม่ต้องการกำหนดรูปทรงของกิ๊บแบบพาสซีฟ แต่เราต้องการออกแบบกิ๊บให้เหมาะสมกับวัตถุใดๆ”

มีความเป็นไปได้หลายอย่างสำหรับกิ๊บ และรูปทรงของมัน thườngเกี่ยวข้องกับเส้นทางที่หุ่นยนต์จะใช้ในการจับวัตถุ เมื่อกิ๊บถูกออกแบบไม่ถูกต้อง มันจะเสี่ยงต่อการชนกับวัตถุเมื่อพยายามจับ ซึ่งทีมงานได้พยายามแก้ไข

Milin Kodnongbua เป็นนักวิจัยหลักและเป็นนักศึกษาสาขาวิทยาการคอมพิวเตอร์

“จุดต่างๆ ที่กิ๊บสัมผัสกับวัตถุเป็นสิ่งสำคัญสำหรับการรักษาความเสถียรของวัตถุในระหว่างการจับ” Kodnongbua กล่าว “และกิ๊บต้องสัมผัสกับวัตถุ ณ จุดเหล่านั้น และกิ๊บต้องเป็นวัตถุเดียวที่เชื่อมต่อกับหุ่นยนต์ เราสามารถค้นหาเส้นทางที่เหมาะสมเพื่อให้ตรงตามเงื่อนไขเหล่านี้”

การออกแบบกิ๊บและเส้นทางใหม่

เพื่อออกแบบกิ๊บและเส้นทางใหม่ ทีมงานให้ข้อมูล 3 มิติของวัตถุและทิศทางของมันในพื้นที่

“อัลกอริทึมของเราจะสร้างคอนฟิกการการจับและจัดอันดับตามความเสถียรและเมตริกอื่นๆ” Kodnongbua กล่าว “จากนั้นมันจะหาคอนฟิกที่ดีที่สุดและหาวิธีการจับที่เหมาะสม หากไม่สามารถหาวิธีการจับได้ มันจะไปหาคอนฟิกการการจับถัดไปและพยายามหาวิธีการจับอีกครั้ง”

คอมพิวเตอร์จะแสดงผลเป็น 2 ชุดคำสั่งเมื่อหาคอนฟิกที่ดี ชุดแรกสำหรับการพิมพ์ 3 มิติของกิ๊บ และชุดที่สองสำหรับเส้นทางของหุ่นยนต์หลังจากพิมพ์และติดตั้งกิ๊บ

ทีมงานได้ทดสอบวิธีการใหม่นี้กับวัตถุหลายชนิด

Ian Good เป็นนักวิจัยร่วมและเป็นนักศึกษาสาขาวิศวกรรมเครื่องกล

“เรายังออกแบบวัตถุที่จะท้าทายสำหรับหุ่นยนต์จับแบบดั้งเดิม เช่น วัตถุที่มีมุมตื้นมากหรือวัตถุที่มีการจับภายใน — ที่คุณต้องจับโดยการเสียบกุญแจ” Good กล่าว

ทีมงานได้ทดสอบการยก 10 ครั้งกับวัตถุ 22 ชิ้น สำหรับวัตถุ 16 ชิ้น การยกทั้ง 10 ครั้งประสบความสำเร็จ วัตถุส่วนใหญ่มีการยกที่ประสบความสำเร็จอย่างน้อย 1 ครั้ง และ 2 วัตถุไม่ประสบความสำเร็จ

แม้ไม่มีการแทรกแซงจากมนุษย์ อัลกอริทึมก็พัฒนากลยุทธ์การจับที่เหมือนกันสำหรับวัตถุที่มีรูปทรงคล้ายกัน ซึ่งทำให้นักวิจัยเชื่อว่าพวกเขาสามารถสร้างกิ๊บแบบพาสซีฟที่สามารถจับวัตถุได้หลายชนิด แทนที่จะเป็นวัตถุเฉพาะ

Alex McFarland เป็นนักข่าวและนักเขียน AI ที่สำรวจการพัฒนาล่าสุดในด้านปัญญาประดิษฐ์ เขาได้ร่วมงานกับสตาร์ทอัพ AI และสื่อสิ่งพิมพ์ต่างๆ ทั่วโลก