چگونه به ربات های خط مونتاژ کمک کنیم تا دنده ها را عوض کنند و تقریباً هر چیزی را بردارند — ScienceDaily

از نظر تئوری، یک ربات می‌تواند تقریباً هر چیزی را بردارد اگر گیره‌های آن برای هر کار تعویض شود. برای پایین نگه داشتن هزینه ها، این گیره ها می توانند غیرفعال باشند، به این معنی که گیره ها اشیاء را بدون تغییر شکل می گیرند، شبیه به نحوه کار انبر لیفتراک.

“مسیری که الگوریتم ما برای آن یکی ایجاد کرد، یک شتاب سریع است تا جایی که واقعاً به جسم نزدیک می شود. به نظر می رسید که قرار است با جسم برخورد کند، و من فکر کردم، “اوه نه. گود گفت: آیا آن را درست کالیبره نکردید؟ “و البته به طرز باورنکردنی نزدیک می شود و سپس آن را کاملاً می گیرد. این لحظه الهام بخش بود، یک ترن هوایی شدید از احساسات.”

تیم این یافته ها را در 11 اوت در SIGGRAPH 2022 ارائه خواهد کرد.

هنگامی که رایانه مطابقت خوبی پیدا کرد، دو مجموعه دستورالعمل را ارائه می دهد: یکی برای چاپگر سه بعدی برای ایجاد گیره و دیگری با مسیر بازوی ربات پس از چاپ و اتصال گیره.

Kodnongbua گفت: «ابتدا الگوریتم ما پیکربندی‌های درک ممکن را ایجاد می‌کند و آنها را بر اساس پایداری و برخی معیارهای دیگر رتبه‌بندی می‌کند. “سپس بهترین گزینه را انتخاب می کند و برای یافتن اینکه آیا یک مسیر درج امکان پذیر است یا خیر، بهینه می شود. اگر نتواند یکی را پیدا کند، سپس به پیکربندی درک بعدی در لیست می رود و سعی می کند دوباره بهینه سازی مشترک را انجام دهد.”

ایان گود، یکی از نویسندگان این مقاله، گفت: «ما همچنین اشیایی را طراحی کردیم که برای ربات‌های سنتی چنگنده چالش برانگیز است، مانند اشیایی با زوایای بسیار کم عمق یا اشیایی با چنگ زدن داخلی – جایی که باید آنها را با قرار دادن یک کلید بردارید. دانشجوی دکتری UW در گروه مهندسی مکانیک.

برای هر شیء مفروض، احتمالات زیادی وجود دارد که دستگیره آن چگونه باشد. علاوه بر این، شکل گیره به مسیری که بازوی ربات برای برداشتن جسم طی می کند، مرتبط است. در صورت طراحی نادرست، یک گیره ممکن است در مسیر برداشتن آن با جسم برخورد کند. برای مقابله با این چالش، محققان چند بینش کلیدی داشتند.

یکی از محدودیت های این روش این است که گیره های غیرفعال را نمی توان برای برداشتن همه اشیاء طراحی کرد. در حالی که برداشتن اشیایی که عرض آنها متفاوت است یا دارای لبه های بیرون زده هستند آسان تر است، اشیایی با سطوح صاف یکنواخت، مانند بطری آب یا جعبه، بدون هیچ گونه قسمت متحرک به سختی قابل درک هستند.

با این حال، محققان تشویق شدند که الگوریتم را به خوبی انجام دهند، به خصوص با برخی از اشکال دشوارتر، مانند ستونی با سوراخ کلید در بالا.

گیره های غیرفعال نمی توانند متناسب با شیئی که در حال برداشتن هستند تنظیم شوند، بنابراین به طور سنتی، اجسام برای مطابقت با یک گیره خاص طراحی شده اند.

تیمی از دانشگاه واشنگتن ابزار جدیدی ایجاد کردند که می تواند یک گیره غیرفعال قابل چاپ سه بعدی طراحی کند و بهترین مسیر برای گرفتن یک شی را محاسبه کند. این تیم این سیستم را روی مجموعه ای از 22 شی مورد آزمایش قرار دادند – از جمله یک اسم حیوان دست اموز با چاپ سه بعدی، یک گوه به شکل درب، یک توپ تنیس و یک مته. گیره ها و مسیرهای طراحی شده برای 20 مورد از اشیاء موفق بودند. دو مورد از آنها گوه و هرمی شکل با سوراخ کلید منحنی بود. هر دو شکل برای برداشتن چندین نوع گیره چالش برانگیز هستند.

این تیم اشیاء مختلفی را برای آزمایش قدرت این روش انتخاب کردند، از جمله برخی از مجموعه داده‌هایی از اشیاء که استانداردی برای آزمایش توانایی ربات برای انجام کارهای دستکاری هستند.

برای امکان‌پذیر ساختن این تغییر، این شرکت‌ها به افرادی که در خط مونتاژ کار می‌کردند متکی بودند. انجام این انتقال برای یک ربات بسیار چالش برانگیز بود زیرا روبات ها به وظایف معمول خود گره خورده اند.

محققان 10 پیکاپ آزمایشی با 22 شکل انجام دادند. برای 16 شکل، هر 10 پیکاپ موفق بودند. در حالی که بیشتر شکل ها حداقل یک پیکاپ موفق داشتند، دو تا از آنها چنین نبودند. این خرابی‌ها ناشی از مشکلات مربوط به مدل‌های سه‌بعدی اشیایی بود که به رایانه داده می‌شد. برای یکی — یک کاسه — مدل کناره های کاسه را نازک تر از آنچه بود توصیف کرد. برای دیگری – شیئی که شبیه یک فنجان با دسته تخم مرغی شکل است – مدل جهت گیری صحیح خود را نداشت.

در آغاز همه‌گیری COVID-19، شرکت‌های خودروسازی مانند فورد به سرعت تمرکز تولید خود را از خودرو به ماسک و دستگاه تنفس مصنوعی تغییر دادند.

یو لو، که این تحقیق را به عنوان دانشجوی کارشناسی ارشد در مدرسه آلن به پایان رساند، همچنین یکی از نویسندگان این مقاله است. این تحقیق توسط بنیاد ملی علوم و کمک مالی موسسه خیریه مرداک تامین شد. این تیم همچنین یک درخواست ثبت اختراع ارسال کرده است: 63/339284.



منبع

Milin Kodnongbua، نویسنده اصلی، که این تحقیق را به عنوان دانشجوی کارشناسی UW تکمیل کرد، گفت: “نقاطی که گیره با جسم تماس برقرار می کند برای حفظ ثبات جسم در چنگ زدن ضروری است. ما این مجموعه از نقاط را “پیکربندی گرفتن” می نامیم.” در مدرسه آلن “همچنین، گیره باید با جسم در آن نقاط داده شده تماس بگیرد، و گیره باید یک جسم منفرد جامد باشد که نقاط تماس را به بازوی ربات متصل می کند. ما می توانیم مسیری را جستجو کنیم که این الزامات را برآورده کند.”

“موفق ترین گیره غیرفعال در جهان انبر لیفتراک است. اما نقطه مقابل آن این است که انبر لیفتراک فقط با اشکال خاصی مانند پالت خوب کار می کند، به این معنی که هر چیزی را که می خواهید بگیرید باید روی پالت باشد. جفری لیپتون، استادیار مهندسی مکانیک UW، یکی از نویسندگان این مقاله گفت. در اینجا می‌گوییم خوب، نمی‌خواهیم هندسه دستگیره غیرفعال را از پیش تعریف کنیم. در عوض، می‌خواهیم هندسه هر جسمی را بگیریم و یک گیره طراحی کنیم.”

آدریانا شولز، نویسنده ارشد، استادیار UW گفت: “ما هنوز هم بیشتر اقلام خود را با خطوط مونتاژ تولید می کنیم، که واقعا عالی هستند اما همچنین بسیار سفت و سخت هستند. همه گیری به ما نشان داد که باید راهی برای تغییر کاربری آسان این خطوط تولید داشته باشیم.” در دانشکده علوم و مهندسی کامپیوتر پل جی آلن. ایده ما ایجاد ابزار سفارشی برای این خطوط تولید است. این به ما یک ربات بسیار ساده می دهد که می تواند یک کار را با یک گیره خاص انجام دهد.

هنگام طراحی یک گیره و خط سیر جدید، تیم با ارائه یک مدل سه بعدی از جسم و جهت گیری آن در فضا به کامپیوتر شروع می کند – به عنوان مثال، چگونه می توان آن را روی یک تسمه نقاله ارائه کرد.

این الگوریتم استراتژی های مشابهی را برای اجسام با شکل مشابه، حتی بدون دخالت انسان، توسعه داد. محققان امیدوارند که این بدان معنی است که آنها قادر خواهند بود به جای داشتن یک گیره منحصر به فرد برای هر جسم، گیره های غیرفعالی ایجاد کنند که می توانند دسته ای از اشیاء را بگیرند.

Matthew Newman

Matthew Newman Matthew has over 15 years of experience in database management and software development, with a strong focus on full-stack web applications. He specializes in Django and Vue.js with expertise deploying to both server and serverless environments on AWS. He also works with relational databases and large datasets
[ Back To Top ]