Công cụ mới cải thiện bộ kẹp robot trong sản xuất

Một nhóm tại Đại học Washington đã phát triển một công cụ mới có thể thiết kế một bộ kẹp thụ động có thể in 3D và tính toán đường đi tốt nhất để nhặt một vật thể. Phát triển mới này có thể giúp cải thiện rô-bốt trên dây chuyền lắp ráp.

Hệ thống đã được thử nghiệm trên 22 vật thể khác nhau, bao gồm một chặn cửa hình nêm, một quả bóng tennis và một máy khoan, và nó đã chứng minh là thành công đối với 20 vật thể. Hai trong số các vật thể được nhặt thành công là chặn cửa hình nêm và một hình dạng kim tự tháp với một lỗ khóa cong, thường khó đối với nhiều loại bộ kẹp.

Nghiên cứu này sẽ được trình bày vào ngày 11 tháng 8 tại SIGGRAPH 2022.

Adriana Schulz là tác giả cấp cao và là giáo sư trợ lý tại Trường Khoa học và Kỹ thuật Máy tính Paul G. Allen của UW.

Tạo dụng cụ tùy chỉnh cho dây chuyền sản xuất

“Chúng tôi vẫn sản xuất hầu hết các mặt hàng của chúng tôi bằng dây chuyền lắp ráp, điều này rất tuyệt vời nhưng cũng rất cứng nhắc. Đại dịch đã cho chúng tôi thấy rằng chúng tôi cần có một cách để dễ dàng tái sử dụng các dây chuyền sản xuất này,” Schulz nói. “Ý tưởng của chúng tôi là tạo ra dụng cụ tùy chỉnh cho các dây chuyền sản xuất này. Điều đó mang lại cho chúng tôi một rô-bốt rất đơn giản có thể thực hiện một nhiệm vụ với một bộ kẹp cụ thể. Và khi tôi thay đổi nhiệm vụ, tôi chỉ cần thay thế bộ kẹp.”

Các vật thể truyền thống đã được thiết kế để phù hợp với một bộ kẹp cụ thể vì bộ kẹp thụ động không thể điều chỉnh để phù hợp với vật thể nó đang nhặt.

Jeffrey Lipton là đồng tác giả và là giáo sư trợ lý về kỹ thuật cơ khí tại UW.

“Bộ kẹp thụ động thành công nhất trên thế giới là càng của xe nâng. Nhưng sự đánh đổi là càng xe nâng chỉ hoạt động tốt với các hình dạng cụ thể, chẳng hạn như pallet, điều đó có nghĩa là bất cứ thứ gì bạn muốn kẹp cần phải trên một pallet,” Lipton nói. “Ở đây, chúng tôi đang nói ‘OK, chúng tôi không muốn định nghĩa trước hình học của bộ kẹp thụ động.’ Thay vào đó, chúng tôi muốn lấy hình học của bất kỳ vật thể nào và thiết kế một bộ kẹp.”

Có nhiều khả năng khác nhau cho một bộ kẹp, và hình dạng của nó thường liên quan đến đường đi mà cánh tay rô-bốt thực hiện để nhặt vật thể. Khi một bộ kẹp được thiết kế không chính xác, nó có nguy cơ va chạm với vật thể khi cố gắng nhặt nó, điều mà nhóm đã cố gắng giải quyết.

Milin Kodnongbua là tác giả chính và từng là sinh viên đại học tại Trường Allen của UW vào thời điểm nghiên cứu.

“Các điểm mà bộ kẹp tiếp xúc với vật thể là rất quan trọng để duy trì sự ổn định của vật thể khi được kẹp. Chúng tôi gọi tập hợp điểm này là cấu hình kẹp,” Kodnongbua nói. “Ngoài ra, bộ kẹp phải tiếp xúc với vật thể tại những điểm đã cho, và bộ kẹp phải là một vật thể rắn duy nhất kết nối các điểm tiếp xúc với cánh tay rô-bốt. Chúng tôi có thể tìm kiếm một đường đi chèn mà đáp ứng các yêu cầu này.”

Thiết kế bộ kẹp mới và đường đi

Để thiết kế một bộ kẹp mới và đường đi, nhóm đầu tiên cung cấp cho máy tính một mô hình 3D của vật thể và định hướng của nó trong không gian.

“Trước tiên, thuật toán của chúng tôi tạo ra các cấu hình kẹp có thể và xếp hạng chúng dựa trên sự ổn định và một số thước đo khác,” Kodnongbua nói. “Sau đó, nó lấy tùy chọn tốt nhất và tối ưu hóa đồng thời hình dạng cùng đường đi để xác định xem một đường đi chèn có thể xảy ra hay không. Nếu nó không thể tìm thấy một, thì nó sẽ chuyển sang cấu hình kẹp tiếp theo trong danh sách và thử tối ưu hóa đồng thời lần nữa.”

Máy tính sẽ xuất ra hai tập lệnh khi nó tìm thấy một sự kết hợp tốt. Lệnh đầu tiên là để máy in 3D tạo ra bộ kẹp, và lệnh thứ hai là với đường đi cho cánh tay rô-bốt sau khi in và gắn bộ kẹp.

Nhóm đã thử nghiệm phương pháp mới trên các vật thể khác nhau.

Ian Good là một đồng tác giả khác và là sinh viên tiến sĩ tại khoa kỹ thuật cơ khí của UW.

“Chúng tôi cũng đã thiết kế các vật thể sẽ khó khăn đối với rô-bốt kẹp truyền thống, chẳng hạn như các vật thể có góc rất nông hoặc các vật thể có kẹp bên trong – nơi bạn phải nhặt chúng bằng cách chèn một khóa,” Good nói.

Nhóm đã thực hiện 10 thử nghiệm nhặt với 22 hình dạng. Đối với 16 hình dạng, tất cả 10 lần nhặt đều thành công. Hầu hết các hình dạng đều có ít nhất một lần thành công, và hai hình dạng không thành công.

Ngay cả khi không có sự can thiệp của con người, thuật toán đã phát triển các chiến lược kẹp giống nhau cho các vật thể có hình dạng tương tự. Điều này đã khiến các nhà nghiên cứu tin rằng họ có thể tạo ra các bộ kẹp thụ động có thể nhặt một lớp vật thể thay vì một vật thể cụ thể.