Новий інструмент покращує роботизовані захвати для виробничих ліній

Команда університету Вашингтона розробила новий інструмент, який може проектувати 3D-друкований пасивний захват і розрахувати найкращий шлях для підняття об’єкта. Ця нова розробка може допомогти покращити роботизовані лінії виробництва.

Система була протестована на 22 різних об’єктах, включаючи дверний кліп, тенісний м’яч і дрель, і вона довела свою ефективність для 20 об’єктів. Два об’єкти, які були успішно підняті, були кліпом і пірамідальною формою з вигнутим ключовим отвором, які зазвичай є складними для різних типів захватів.

Дослідження має бути представлено 11 серпня на SIGGRAPH 2022.

Адріана Шульц є старшим автором і помічником професора університету Вашингтона в школі комп’ютерних наук та інженерії.

Створення.CustomButton Tooling для виробничих ліній

“Ми все ще виробляємо більшість наших товарів на збірних лініях, які дуже хороші, але також дуже жорсткі. Пандемія показала нам, що нам потрібно мати можливість легко перепрофільовувати ці виробничі лінії”, – сказав Шульц. “Наша ідея полягає в створенні.CustomButton Tooling для цих виробничих ліній. Це дає нам дуже простого робота, який може виконувати одну задачу з певним захватом. І коли я змінюю задачу, я просто заміняю захват.”

Об’єкти традиційно проектувалися для відповідності певному захвату, оскільки пасивні захвати не можуть регулюватися для підняття об’єкта.

Джеффрі Ліптон є співавтором і помічником професора університету Вашингтона в галузі механічної інженерії.

“Найбільш успішний пасивний захват у світі – це щипці на вилочному підйомнику. Але компроміс полягає в тому, що щипці вилочного підйомника працюють добре лише з певними формами, такими як піддони, що означає, що все, що ви хочете захопити, повинно бути на піддоні”, – сказав Ліптон. “Тут ми кажемо: “Ок, ми не хочемо попередньо визначати геометрію пасивного захвату.” Замість цього ми хочемо взяти геометрію будь-якого об’єкта і проектувати захват.”

Є багато різних можливостей для захвату, і його форма зазвичай пов’язана з шляхом, яким рухається роботизована рука для підняття об’єкта. Коли захват проектується неправильно, він ризикує зіткнутися з об’єктом при спробі підняти його, що команда намагалася вирішити.

Мілін Коднонбัว є головним автором і був студентом університету Вашингтона в школі комп’ютерних наук на момент проведення дослідження.

“Пункти, де захват контактує з об’єктом, є важливими для підтримки стабільності об’єкта в захопленні. Ми називаємо цю сукупність пунктів “конфігурацією захоплення”, – сказав Коднонбुआ. “Також захват повинен контактувати з об’єктом в цих даних пунктах, і захват повинен бути єдиним твердим об’єктом, який з’єднує пункти контакту з роботизованою рукою. Ми можемо шукати вставний траєкторію, яка задовольняє цим вимогам.”

Проектування нового захвату і траєкторії

Для проектування нового захвату і траєкторії команда спочатку надає комп’ютеру 3D-модель об’єкта і його орієнтацію в просторі.

“Спочатку наш алгоритм генерує можливі конфігурації захоплення і ранжує їх за стабільністю і деякими іншими метриками”, – сказав Коднонбुआ. “Потім він бере найкращий варіант і кооптимізує для пошуку можливої вставної траєкторії. Якщо він не може знайти її, то він переходить до наступної конфігурації захоплення в списку і намагається знову.”

Комп’ютер виводить два набори інструкцій, коли він знаходить добру пару. Перший набір призначений для 3D-принтера для створення захвату, а другий – для траєкторії руху роботизованої руки після друку і кріплення захвату.

Команда протестувала новий метод на різних об’єктах.

Ян Гуд є ще одним співавтором і аспірантом університету Вашингтона в галузі механічної інженерії.

“Ми також проектували об’єкти, які були б складними для традиційних роботизованих систем захоплення, таких як об’єкти з дуже малими кутами або об’єкти з внутрішнім захопленням – де вам потрібно піднімати їх шляхом вставки ключа”, – сказав Гуд.

Команда провела 10 тестових піднімань з 22 форм. Для 16 форм усі 10 піднімань були успішними. Більшість форм мали хоча б один успіх, і дві форми не мали.

Навіть без будь-якого втручання людини алгоритм розробив ті самі стратегії захоплення для подібних об’єктів. Це змусило дослідників вважати, що вони можуть створити пасивні захвати, які піднімають клас об’єктів, а не конкретний об’єкт.