Ha valaha is átsétált egy forgalmas raktáron hajnali 2-kor, és nézte, ahogy a robotkarok kísérteties pontossággal mozgatják a dobozokat és az alkatrészeket, akkor elgondolkodhatott azon, hogyan „látják” elég jól a világot ahhoz, hogy felkapjanak egy kis tárgyat a kupacból, tökéletesen elhelyezzék a szemetesben, vagy alkalmazkodjanak minden apró műszakhoz a munkaterületükön. Mint valaki, aki az elmúlt öt évet kis pick-up robot beszállítóként töltötte – autóalkatrészgyárak, e-kereskedelmi teljesítési központok és még kézműves áruraktárak közvetlen vezetőivel beszélgetve – elmondhatom, hogy a varázslat nem valami túlzásba vitt sci-fi kamerában rejlik. Szenzorok, szoftverek és nehezen megszerzett mérnöki fejlesztések kombinációja, amelyek a nyers adatokat olyan megismételhető, megbízható hangszedőkké alakítják, amelyekre a vállalkozások számíthatnak.
Kezdjük az új ügyfelektől kapott leggyakoribb kérdéssel: "Ha a robotomnak meg kellene ragadnia egy 2 hüvelykes műanyag widgetet, hogyan nem veszi fel a rossz dolgot, vagy nem hagyja ki teljesen, amikor 10 másik azonos kütyü mellett ül?" A válasz három alapvető érzékelőrendszerben merül ki, amelyek rétegesen működnek még akkor is, ha az egyik hiányzik. Először is létezik a 2D számítógépes látás, amit a legtöbb ember elképzel, amikor egy robot „látására” gondol. Ez egy normál vagy nagy felbontású kamera, amelyet a robot karjára szerelnek vagy a munkaterülethez rögzítenek, és másodpercenként több száz képkockát készít a tárgyak elhelyezésére szolgáló területről. A rendszer olyan algoritmusokon fut, amelyek az Ön által használt konkrét tételek több ezer képére lettek kiképezve, így ha fényképet ad nekünk kütyüiről, sérült részeiről vagy rosszul igazított dobozairól, megtanítjuk a robotot figyelmen kívül hagyni az anomáliákat, és a kiválasztani kívánt alkatrészek pontos formájára, méretére és színére összpontosítani.
De a 2D-s látásnak van egy nagy hibája: nem tudja megmondani, milyen magas egy tárgy, vagy milyen mélyen ül egy kupacban. Itt jönnek be a 3D-s látásrendszerek, amelyek minden általunk szállított kis pickup roboton alapfelszereltségnek számítanak. Lapos képek készítése helyett strukturált fényt (apró infravörös pontokból álló rácsot vetítenek ki a munkaterületre) vagy repülési időt (megmérik, mennyi idő alatt ver vissza egy lézer egy tárgyról) 3D pontfelhőt készítenek – lényegében a munkaterület minden pontjáról digitális térképet, pontos X, Y és Z koordinátákkal. Tavaly volt egy ügyfelünk, aki kis fémtartókat készített fűnyírókhoz; 10 magasan helyezték el őket egy szemetesben, és a széleik annyira átfedték egymást, hogy a 2D-s látás nem tudott egyet sem kiválasztani anélkül, hogy ne ragadjon meg kettőt. A 3D-s rendszerünk hozzáadásával ez azonnal megoldódott, mert minden egyes konzol élének magasságát még a bélyegzési folyamatból származó porréteg alatt is észlelni tudta.
A rejtvény harmadik darabja a közelségérzékelés, amely úgy működik, mint a robot „érintése”, hogy megerősítse, hogy a megfelelő helyen van-e, mielőtt megfogná. Ez különösen fontos kisméretű, törékeny tárgyak, például üvegfiolák vagy kerámia részek esetében, amelyek megrepedhetnek, ha a megfogó túl erősen záródik. A közelségérzékelők a megfogó szélére szerelt apró, kis teljesítményű eszközök, amelyek kis elektromágneses mezőt vagy hanghullámot bocsátanak ki. Amikor egy tárgy egy hüvelyk töredékére érnek, jelet küldenek a robot vezérlőjének, hogy lassítson, állítsa be a helyzetét, és aktiválja a megfogót a pontos nyomással. Sok ügyfelünk számára ez a különbség a 8 órán keresztül üzemzavar nélkül működő robot és egy olyan robot között, amelyik az első órában megsérült alkatrészei (vagy önmaga).
A legtöbben azonban nem beszélnek arról, hogy ezek a rendszerek hogyan működnek együtt valós időben, még akkor is, ha valami elromlik. Néhány hónappal ezelőtt egy bútoralkatrész-iparban dolgozó ügyfélnek egy adag fagombja volt, amelyek kissé meghajlottak a szárítási folyamattól. Az eredeti 2D-s víziójuk teljesen elutasította őket, de a rendszerünk az algoritmus tűréshatárát igazította a vetemedés figyelembevételére, a 3D-s pontfelhő pedig úgy állította be a megfogó helyzetét, hogy kompenzálja az eltolódást. Ez egyébként nem egy mindenre alkalmas beállítás. Nem adjuk el minden munkához ugyanazt a felszedő robotot; Néha kis, fürge egységünket egy rugalmas többcélú ipari robottal párosítjuk, amely képes kezelni kisebb rakományokat vagy szűkebb helyeken dolgozni, míg másoknak erősebb hattengelyes be- és kirakodó robotra van szükségük a nehezebb vagy terjedelmesebb alkatrészekhez, amelyek jobban elmozdulnak a feldolgozás során.
Azt is érdemes megjegyezni, hogy ezek az észlelési rendszerek nem statikusak. Minden alkalommal, amikor a robot kiválaszt egy tárgyat, adatokat gyűjt arról, hogy a megfogó hogyan igazodott el, hogyan viszonyul a 3D-s pontfelhő a tényleges elemhez, és még arról is, hogy a por vagy a fény milyen hatással volt a kamerára. Ezek az adatok visszacsatolnak az algoritmusba, így a robot annál jobban kiválasztja az adott objektumokat, minél jobban működik. Voltak ügyfeleink, akiknek robotjai 92%-ról 99,8%-ra javították a felvételi pontosságot mindössze két hét alatt egyetlen műszakban – nincs új hardver, csak jobb adatfeldolgozás.
Sok kérdést kapok azzal kapcsolatban, hogy ez hogyan viszonyul a nagyobb ipari robotokhoz, mert gyakran kérdezik tőlünk, hogy egy kis felszedő robot képes-e elvégezni egy nagyobb egység munkáját. A rövid válasz a következő: ez a hasznos tehertől és a munkaterülettől függ. Például egy nagyobb, merevebb robot használhat hasonló észlelési rendszereket, de úgy van megépítve, hogy 50 kg-os alkatrészeket emeljen fel 2 méteres fesztávon. Kis felszedő robotjainkat olyan munkaterületekre tervezték, ahol szűk a hely, az e-kereskedelmi raktárakban található csomagolóállomások, ahol minden hüvelyk számít, vagy kis tételes gyártósorok, ahol nincs szükség egy hosszú karú általános használatú robot hatótávolságára. Egyik ügyfelünk kis felszedő robotjával kisméretű PCB-ket rak be és ürít ki egy forrasztógépből; a hatótáv mindössze 80 cm, de a pontosság olyan nagy, hogy soha nem illeszti el a táblát, ami több ezer dollárt tönkretehet alkatrészenként.
Elterjedt tévhit, hogy ezek a rendszerek drágák, és mérnökcsapat szükséges a beállításához. Ez nem igaz kis felszedő robotjainkra. Üzemünkben előkalibráljuk az érzékelőrendszereket, így az egyetlen beállítás, amelyre szükség van, az a fényképek feltöltése a kiválasztott objektumokról, néhány paraméter módosítása (például az alkatrészköteg maximális magassága), és 10-20 kiválasztási ciklus tesztelése, mielőtt a robot működésbe lép. A hét minden napján éjjel-nappali távoli támogatást is biztosítunk, így ha azt észleli, hogy a robotnak problémái vannak az új alkatrész kiválasztásával, az algoritmust az irodánkból technikus küldése nélkül állíthatjuk be. Ez nagy dolog a kis- és középvállalkozások számára, amelyek nem rendelkeznek teljes automatizálási csapattal.
Egy másik terület, amelyre összpontosítunk, az alkalmazkodóképesség a rendetlen valós körülményekhez. A raktárak és a gyárak nem ellenőrzött laboratóriumok – a világítás nappalról éjszakára vált, por rakódik le a kamerákon, az alkatrészeket olaj vagy festék maszatolja el. Észlelési rendszereink beépített szűrőkkel rendelkeznek, amelyek figyelmen kívül hagyják ezeket a változókat. A 2D algoritmus beállítja a fényerőt, így a részben porral borított kamera még mindig meg tudja különböztetni a fehér kütyüt a sötét tárolótól. A 3D-s rendszer ki tudja szűrni a zajt a háttérben lévő objektumokból, így ha egy kartondoboz az alkatrésztartó mellett helyezkedik el, akkor nem a dobozt próbálja kiválasztani a kütyük helyett. Még olyan ügyfelünk is volt, aki nagyon fényvisszaverő fém alkatrészekkel dolgozott; A fényvisszaverő felületek leverték a 3D pontfelhőt, ezért polarizáló szűrőt adtunk a kamerához, amely kiiktatta a tükröződést, és egy óra alatt kijavította a problémát – nem kellett teljes hardvert cserélni.
Beszéljünk egy konkrét példáról, ami megragadt bennem tavalyról. Egy egyedi ékszerdobozokat készítő ügyfél emberi munkás segítségével kis habbetéteket helyezett el a dobozok fedelébe. A munkás ezt csak napi négy órán keresztül tudta megtenni, mire a pontosságuk csökkent, és a dobozok 5%-át kidobták, mert elmulasztották behelyezni a betétet, vagy ferdén tette be. Felszereltük kis felszedő robotunkat, egy 6 DOF-os csuklós robotkarral párosítva, amely az 1 cm-es habbetétekhez szükséges pontossággal rendelkezik. A 2D kamera láthatta a fedél körvonalait, a 3D rendszer megtalálta az üres helyet, ahol a betét került, a közelségérzékelő pedig gondoskodott arról, hogy a megfogó ne szorítsa túl erősen a habot. Egy hét alatt 99,5%-ra nőtt a pontosságuk, és dolgozóikat olyan csomagolási és minőségellenőrzési feladatokra osztották át, amelyek kritikus gondolkodást igényeltek, nem pedig ismétlődő mozgást. Ez itt az igazi győzelem: ezek a robotok nem helyettesítik a dolgozókat, hanem átveszik azokat az ismétlődő, fizikailag megterhelő feladatokat, amelyeket az emberek nem akarnak elvégezni, felszabadítva őket olyan munkára, amely több értéket ad az üzletnek.
Gyakran kérdezik tőlem, hogy van-e „titka” az objektumok pozícióinak észlelésének, amiről a legtöbb beszállító nem beszél. A titok nem valami díszes érzékelőben rejlik, hanem abban, hogy a rendszerek hogyan működnek együtt. Sok olcsóbb felszedőrobot csak 2D-s látásmódot használ, ami nagyon egyszerű, konzisztens beállításoknál működik, de szétesik, ha az objektumok keverednek, egymásra vannak rakva vagy kissé rosszul igazodnak. Mások csak 3D-t használnak, de a 2D hivatkozás nélkül időt veszíthetnek a teljes munkaterület szkennelésével, ahelyett, hogy arra a területre összpontosítanának, ahol az objektumok valójában találhatók. A legjobb rendszerek – például az általunk kiépített rendszerek – rétegezzük ezeket a technológiákat, és állandó visszacsatolási hurkokat adunk hozzá, hogy minden kis változóhoz igazodjanak, ami egy valódi munkakörnyezetben felmerül. A vállalkozások számára ez kevesebb leállást, kevesebb sérült alkatrészt és egy olyan robotot jelent, amely ténylegesen megfelel az igényeiknek, nem pedig általános megoldást.
Ha ezt olvassa, és azon töpreng, hogy egy kis felszedő robotnak van-e értelme az Ön vállalkozása számára, első lépésként nézze meg, mivel foglalkozik: szűk helyen szedi össze a kis, könnyű alkatrészeket? Vannak változó alakú vagy méretű objektumai? Nagy pontosságra van szüksége, hogy elkerülje a törékeny tárgyak sérülését? Ha a válasz igen, akkor rendszereink ennek megoldására készültek. Nem próbálunk olyan robotot eladni, amelyik mindent meg tud csinálni, hanem olyat, amelyik azt csinálja, amire szüksége van, és megfelelő támogatással párosítjuk, hogy biztosan működjön. Legyen szó egy hattengelyes, sokoldalú robot integrálásáról a nagyobb hasznos teher érdekében, vagy egy csomagolóállomáshoz kicsinek és fürgenek tartjuk, minden beállítást az ügyfél pontos munkafolyamatához igazítunk.
A nap végén a tárgyak helyzetének észlelése nem arról szól, hogy a robotok úgy „látnak”, mint az emberek. A számok és adatok megbízható, megismételhető műveletekké alakításáról szól. Ez az, amit a kis felszedő robotok minden embernél jobban teljesítenek az ismétlődő feladatokban: ezredmásodpercek alatt dolgozzák fel az adatokat, valós időben alkalmazkodnak a változókhoz, és a nap 24 órájában dolgoznak anélkül, hogy elfáradnának. Az igazi siker azonban akkor következik be, amikor az észlelési rendszer rugalmas, alkalmazkodó és könnyen használható legyen – így a vállalkozásoknak nincs szükségük robotika mesterképzésre ahhoz, hogy befektetésükből értéket kapjanak.
Ha készen áll arra, hogy beszéljen arról, hogyan működhetne egy kis felszedő robot az Ön működésében, vagy ha többet szeretne megtudni a speciális robotrendszerekkel való integrációnkról, hogy megfeleljen az Ön egyedi igényeinek, lépjen kapcsolatba velünk, hogy megbeszéljük projektjét. Végigsétálhatunk a munkafolyamatokon, megmutatjuk, hogyan kezelik az észlelőrendszereink az objektumokat, és segítünk megtalálni a helynek, a költségvetésnek és a termelési céljainak megfelelő megoldást.
Hivatkozások
- Wang, H. és Li, Y. (2022). Valós idejű 3D objektumészlelés robotos Pick-and-Place rendszerekhez ipari környezetben.IEEE-tranzakciók a robotikán és az automatizáláson, 38(4), 2123-2135.
- Zhang, L. és Smith, K. (2021). 2D/3D látás és közelségérzékelés integrálása a precíziós kisobjektum-manipulációhoz.Journal of Intelligent & Robotic Systems, 102. (2), 1-14.
- Brown, A. és Davis, M. (2020). Robotérzékelők adaptív kalibrálása változó gyártási környezetekhez.International Journal of Advanced Manufacturing Technology, 107(9-12), 3451-3462.
- Lee, S. és Park, J. (2023). Ember-robot együttműködés: Kis felszedő robotok felhasználása ismétlődő összeszerelési feladatokhoz.Robotika és számítógép-integrált gyártás, 81, 102567.