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 клиноподібний стопор для дверей, тенісний м’яч і дриль, і вона довела свою ефективність для 20 об’єктів. Два об’єкти, які були успішно підняті, були клином і пірамідальною формою з вигнутим отвором для ключа, які зазвичай є складними для різних типів захватів.

Дослідження має бути представлено 11 серпня на SIGGRAPH 2022.

Адріана Шульц — старша авторка та асистент-професорка у школі комп’ютерних наук та інженерії імені Пола Дж. Аллена Вашингтонського університету.

Створення спеціалізованого оснащення 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”, – сказала Шульц. “Наша ідея полягає в створенні спеціалізованого оснащення 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 асистент-професором університету Вашингтона в галузі механічної інженерії.

“Найбільш успішний пасивний захват у світі – це вила навантажувача. Але компроміс полягає в тому, що вила навантажувача 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 Коднонґбуа є головним автором і був студентом бакалаврату школи Аллена Вашингтонського університету 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 Коднонґбуа. “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 траєкторію введення, 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 Коднонґбуа. “Потім він бере найкращий варіант і кооптимізує для пошуку можливої траєкторії введення. 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.