Công cụ mới cải thiện Bộ gắp rô-bốt cho sản xuất

Một nhóm tại Đại học Washington đã phát triển một công cụ mới có thể thiết kế một dụng cụ gắp thụ động có thể in 3D và tính toán đường đi tốt nhất để nhặt một vật thể. Sự phát triển mới có thể giúp cải thiện robot dây chuyền lắp ráp. 

Hệ thống này đã được thử nghiệm trên 22 đồ vật khác nhau, bao gồm một cái nêm hình cái cửa, một quả bóng tennis và một chiếc máy khoan, và nó đã thành công với 20 đồ vật trong số đó. Hai trong số các vật thể được gắp thành công là hình nêm và hình kim tự tháp có lỗ khóa cong, thường khó đối với nhiều loại dụng cụ gắp. 

Sản phẩm nghiên cứu sẽ được giới thiệu vào ngày 11 tháng 2022 tại SIGGRAPH XNUMX. 

Adriana Schulz là tác giả cao cấp và là trợ lý giáo sư của UW tại Trường Khoa học & 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, dây chuyền này thực sự tuyệt vời nhưng cũng rất cứng nhắc. Schulz cho biết đại dịch đã cho chúng tôi thấy rằng chúng tôi cần phải có một cách để tái sử dụng các dây chuyền sản xuất này một cách dễ dàng. “Ý tưởng của chúng tôi là tạo ra công cụ tùy chỉnh cho các dây chuyền sản xuất này. Điều đó mang lại cho chúng tôi một robot rất đơn giản có thể thực hiện một nhiệm vụ với một bộ kẹp cụ thể. Và sau đó khi tôi thay đổi nhiệm vụ, tôi chỉ cần thay cái kẹp.”

Theo truyền thống, các đồ vật được thiết kế để khớp với một dụng cụ gắp cụ thể vì các dụng cụ gắp thụ động không thể điều chỉnh để vừa với đồ vật mà chúng đang nhặt lên.

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

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

Có nhiều khả năng khác nhau cho một dụng cụ kẹp và hình dạng của nó thường được liên kết với đường đi mà cánh tay rô-bốt thực hiện để nhặt đồ vật. Khi một dụng cụ kẹp được thiết kế không chính xác, nó có nguy cơ đâm vào vật thể khi cố gắng nhặt nó lên, điều mà nhóm đã đặt ra để giải quyết. 

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

“Những điểm mà dụng cụ kẹp tiếp xúc với vật thể là điều cần thiết để duy trì độ ổn định của vật thể khi kẹp. Chúng tôi gọi tập hợp các điểm này là 'cấu hình nắm bắt',” Kodnongbual cho biết. “Ngoài ra, bộ kẹp phải tiếp xúc với vật thể tại những điểm nhất định đó 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 quỹ đạo chèn đáp ứng các yêu cầu này.”

Thiết kế bộ kẹp và quỹ đạo mới

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

Kodnongbua cho biết: “Đầu tiên, thuật toán của chúng tôi tạo ra các cấu hình nắm bắt có thể có và xếp hạng chúng dựa trên độ ổn định và một số chỉ số khác. “Sau đó, nó chọn tùy chọn tốt nhất và đồng tối ưu hóa để tìm xem liệu quỹ đạo chèn có khả thi hay không. Nếu không thể tìm thấy, thì nó sẽ chuyển sang cấu hình nắm bắt tiếp theo trong danh sách và cố gắng thực hiện lại quá trình đồng tối ưu hóa.”

Máy tính xuất ra hai bộ hướng dẫn sau khi tìm thấy kết quả phù hợp. Đầu tiên là dành cho máy in 3D để tạo ra bộ kẹp và thứ hai là tạo quỹ đạo cho cánh tay rô-bốt sau quá trình in và gắn bộ kẹp. 

Nhóm đã thử nghiệm phương pháp mới trên nhiều đối tượng khác nhau.

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

Good cho biết: “Chúng tôi cũng thiết kế các vật thể có thể gây khó khăn cho robot nắm bắt truyền thống, chẳng hạn như các vật thể có góc rất nông hoặc các vật thể có khả năng nắm bắt bên trong — nơi bạn phải nhặt chúng lên bằng cách ấn một phím,” Good nói. 

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

Ngay cả khi không có bất kỳ sự can thiệp nào của con người, thuật toán đã phát triển các chiến lược cầm nắm tương tự 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 dụng cụ gắp thụ động để gắp một loại đồ vật chứ không phải một đồ vật cụ thể.