MTC достигает прорыва в автономном пикинге объектов для робототехники

Эксперты по автоматизации в Manufacturing Technology Centre сделали прорыв в робототехнике пикинга неизвестных объектов...

«Этот проект демонстрирует решимость MTC принять академические разработки с потенциалом трансформировать робототехнику в производстве. Переносимость этой техники для пикинга новых объектов позволит MTC быстро тестировать с клиентскими деталями и советовать по стратегиям внедрения», — прокомментировал Марк Робсон, старший исследовательский инженер, Робототехника, MTC.

Проект

Bin picking, распространенная задача обработки в отраслях, где одиночный объект нужно отделить от неструктурированного насыпного ввода.

С традиционными методами заводы используют CAD-данные наряду с дорогими сенсорами для точной идентификации отдельных деталей, а также тестируют ряд предварительно спроектированных захватов для осуществимости.

Для сокращения времени и затрат MTC продемонстрировал свою технику «state of the art» для bin picking. Техника использует обученную модель для нахождения лучшей позиции для размещения вакуумного чаша, и может быть обучена с симулированными данными для снижения потребности в трудоемком ручном сборе и разметке данных.

«Инженеры MTC Робототехники доказывают, что дизайн и разработка могут быть дематериализованы в создании стоимостно-эффективных интеллектуальных решений для автоматизации операций, где предопределенное программирование менее жизнеспособно», — добавила д-р Алехандра Матаморос, Менеджер по Технологиям, MTC.

Результат

Техника проекта была протестирована MTC на ряде объектов включая металлические компоненты, фрукты и контейнеры для косметики.

Обученная с месяцем ручно размеченных данных и симулированных данных, техника выполнила хорошо с 92% и 94% успешным пикингом соответственно.

«Производительность модели, обученной на чисто симулированных данных, показала, что этот подход — хорошее решение для снижения бремени сбора данных для конкретных кейсов», — заявил MTC, добавляя, что «отличная производительность на предметах, отсутствовавших в обучающих данных, показала, что метод хорошо обобщается на любые предметы».

Для получения дополнительной информации по темам производства — пожалуйста, ознакомьтесь с последним выпуском

Следите за нами в и .

Источник изображения