Công cụ mới cải thiện gắp robot cho sản xuất

Một nhóm tại Đại học Washington đã phát triển một công cụ mới có thể thiết kế một gắp thụ động in 3D và tính toán đường dẫn 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楔, một quả bóng tennis và một máy khoan, và nó đã chứng minh là thành công cho 20 trong số các vật thể. Hai trong số các vật thể được nhặt thành công là楔 và một hình dạng kim tự tháp với một khóa hình cong, thường khó cho nhiều loại gắp.

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

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

Tạo công cụ tùy chỉnh cho dây chuyền sản xuất

“Chúng tôi vẫn sản xuất hầu hết các mặt hàng của mình bằng dây chuyền lắp ráp, điều này thật 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 những dây chuyền sản xuất này,” Schulz nói. “Ý tưởng của chúng tôi là tạo công cụ tùy chỉnh cho những 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 gắp cụ thể. Và sau đó khi tôi thay đổi nhiệm vụ, tôi chỉ cần thay thế gắp.”

Các vật thể đã được thiết kế truyền thống để phù hợp với một gắp cụ thể vì gắp 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.

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

Có nhiều khả năng khác nhau cho một gắp, và hình dạng của nó thường liên quan đến đường dẫn mà cánh tay rô-bốt thực hiện để nhặt vật thể. Khi một gắp 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 là sinh viên đại học tại Allen School tại thời điểm nghiên cứu.

“Các điểm mà gắp tiếp xúc với vật thể là rất quan trọng để duy trì sự ổn định của vật thể trong tư thế cầm. Chúng tôi gọi tập hợp các điểm này là ‘cấu hình cầm,'” Kodnongbua nói. “Ngoài ra, gắp phải tiếp xúc với vật thể tại những điểm đã cho, và gắp 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 quỹ đạo chèn mà đáp ứng các yêu cầu này.”

Thiết kế gắp mới và quỹ đạo

Để thiết kế một gắp mới và quỹ đạo, 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 cầm có thể và xếp hạng chúng dựa trên sự ổn định và một số metric khác,” Kodnongbua nói. “Sau đó nó lấy tùy chọn tốt nhất và đồng tối ưu hóa để tìm xem một quỹ đạo chèn có thể thực hiện được hay không. Nếu nó không thể tìm thấy một quỹ đạo, thì nó sẽ chuyển sang cấu hình cầm tiếp theo trong danh sách và cố gắng thực hiện đồng tối ưu hóa lại.”

Máy tính xuất ra hai tập hợp hướng dẫn một khi nó tìm thấy một sự phù hợp tốt. Đầu tiên là cho một máy in 3D để tạo ra gắp, và thứ hai là quỹ đạo cho cánh tay rô-bốt sau khi in và gắn gắp.

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.

“Chúng tôi cũng đã thiết kế các vật thể sẽ khó khăn cho rô-bốt cầm truyền thống, chẳng hạn như các vật thể có góc rất nông hoặc các vật thể có cầm nội bộ – 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.

Thậm chí không cần can thiệp của con người, thuật toán đã phát triển các chiến lược cầm giống nhau cho các vật thể có hình dạng tương tự. Điều này đã dẫn các nhà nghiên cứu tin rằng họ có thể tạo ra các gắp thụ động có thể nhặt một lớp vật thể chứ không phải một vật thể cụ thể.