ビンピッキングの課題

産業オートメーションの課題の状況において、深いビンピッキングは特別な位置を占めています。それは難しく、経済的に重要であり、より構造化されたアプリケーションでロボット自動化を成功させてきたプログラム的なソリューションに頑固に対抗してきました。タスクは単純に聞こえます——ビンからランダムに方向付けされた部品をピックアップし、製造プロセスの次のステップのために正しく配置します——しかし、それはいくつかの異なる技術的課題を組み合わせており、一緒になって、数十年間、信頼できる自動化ソリューションを実現困難にしてきました。

深いビン内の部品はランダムに3次元で方向付けられています。それらは絡まっている、積み重なっている、または他の部品に部分的に隠されている場合があります。ビンの壁はロボットアームのアプローチを制限する幾何学的制約を作成します。部品の表面は反射率、透光性、およびテクスチャが変わり、機械ビジョンを複雑にします。そして、ジャンブルされた山から部品を握り、抽出する物理的な行為には、適応型力制御が必要です。部品を傷つけずに確実に握るのに十分な力を適用しながら、部品が削除されるにつれて変わる周囲の部品との機械的相互作用をナビゲートすることが必要です。

マルチシフト運用施設で高い部品ボリュームを扱う製造業者にとって、この課題は重大なボトルネックと労働コストを示しています。人間の操作者はビンピッキングを直感的に処理できます。視覚知覚と触覚フィードバックを使用して、明示的なプログラミングなしに自然に適用されます。しかし、ビンピッキングに関連する労働コストと可変性——特に部品ポートフォリオが大きく、常に変化している高ミックス生産環境で——自動化を魅力的にします。信頼性の基準が達成される場合。

急速オペレーターAIは何をするのか

Ventionの急速オペレーターAIは、適応型機械ビジョン、学習されたグラスピング方針、およびリアルタイム力フィードバック制御の組み合わせを通じてビンピッキング課題に対処します。このシステムは深度カメラと構造光を使用して、ビンコンテンツの3次元表現を構築し、ジャンブルされた山の中で個々の部品とその方向を識別します。グラスピングポーズ推定——成功したグラスプのための最適なアプローチ角度、グリッパー方向、および接触点の計算——は、部品画像と成功したグラスプの試みの大規模なデータセットで訓練されたニューラルネットワークモデルによって処理されます。

機械学習コンポーネントはシステムの適応性に重要です。正確なCADモデルを必要とし、部品が予想される方向から逸脱するときに破綻するテンプレートベースの機械ビジョンシステムとは異なり、急速オペレーターAIのニューラルモデルは訓練データから一般化でき、限定的な再トレーニングで新しい部品形状と新しいプレゼンテーションを処理できます。数十または数百の異なる部品番号を実行する高ミックス製造業者にとって、この一般化機能はシステムが生産ポートフォリオ全体で有用であるものと、特定の部品ファミリーに対しては機能するが、他のものに拡張するには重大なエンジニアリングの努力を必要とするものとの違いです。

力フィードバック統合は、ビンから部品を傷なく抽出する機械的課題に対処します。システムはグリッパー力をリアルタイムで監視し、部品が絡まっているか、抽出パスが障害物かどうかを検出し、それに応じてロボットの軌跡を調整します。このフィードバックループにより、システムはビン山の確率的な力学を処理できます——部品が削除されるにつれて部品のカスケード運動——現実世界が予想される設定から逸脱するときに、オープンループビンピッキングシステムを悩ませる脆弱な障害モードなし。

Create, edit and star in videos with two Google Vids updates
More in AI & Robotics

Google Vids が Gemini Omni とパーソナルアバターを追加

Google は、Workspace 内の AI 動画制作を拡張し、プロンプトベースのクリップ生成と編集に加え、セルフィーと音声録音から作成するカスタムアバターを導入した。

Read article

ターゲット市場と展開コンテキスト

Ventionはマルチシフト施設を運営する中堅企業およびエンタープライズ製造業者向けに急速オペレーターAIを位置付けています——オートメーションの経済が有利であるが、従来の産業用ロボット展開に必要な資本とエンジニアリングリソースが歴史的にバリアであったセグメント。Ventionの広いプラットフォームは、Web基のプログラミングと高速機械組立を備えた急速展開モジュール自動化システムを提供し、ロボットセルを展開するのに必要な時間と専門知識を削減するように設計されています。従来のインテグレーター主導のプロジェクトが必要とする数ヶ月から数日または数週間。

急速オペレーターAIはこの急速展開哲学を機械学習と知覚層に拡張します。製造業者が彼ら自身のビンピッキングAIを開発したり、特殊なロボティクスAIベンダーに従事する必要があるのではなく——従来、重大な機械学習専門知識と数ヶ月のシステム固有の訓練データ収集を必要とするプロセス——システムは、限定的なデータ要件での構造化されたオンボーディングプロセスを通じて特定の部品に適応することができる事前訓練されたモデルとともに来ます。

より広い背景：AIはロボットスタックで下に移動する

Ventionのローンチは産業ロボティクスのより広いトレンドの1つのインジケーターです。AIの進行的な統合がオートメーションスタックのより低いレベルで、システムオーケストレーションレベルでのAIから、物理的な世界と直接インターフェースする知覚とモーション制御サブシステムに組み込まれたAIに移動します。このトレンドは、3Dオブジェクト認識のための深い学習、接触リッチ操作のための強化学習、およびニューラルモデルが物理展開前に合成データで訓練されることを可能にする大規模シミュレーション環境を含む技術の成熟によって可能になります。

製造業者にとって、このトレンドの実用的な意義は、以前は高価で、特殊な統合作業を必要とした機能が、彼らがすでに使用しているプラットフォーム内でソフトウェアアップデートまたは新しい製品として利用可能になります。洗練されたAI対応オートメーションを展開およびメンテナンスするのに必要なドメイン専門知識だけでなく、価格の障壁は低下しています。その機能の民主化——適応型ビンピッキングAIを中規模製造業者の手の届く範囲内に置く——大規模自動車または電子製造業者だけでなく——基礎的な技術的進歩そのもの。

ビンピッキングは、AIが以前は実用的でなかったオートメーションをアンロックするラストアプリケーションドメインではありません。器用な操作を必要とするアセンブリタスク、非構造化環境での品質検査、および高度に可変なパッケージ特性を備えたロジスティクスアプリケーションのマテリアルハンドリングはすべて、視覚知覚と接触リッチ操作の同様の組み合わせを提示します。ビンピッキング用に構築されているソリューションは、次世代の製造オートメーションのビルディングブロックであり、Ventionの急速展開哲学は、これらのソリューションが以前のオートメーション技術の波よりも速く工場の床に到達する可能性があることを示唆しています。

この記事はRobot Reportによるレポートに基づいています。元の記事を読む。

Originally published on therobotreport.com