Роботите ще могат да отгатват теглото и съдържанието на затворени контейнери само чрез разклащането им

Представете си, че разчиствате претрупаното си с ненужни вещи, кашони и вехтории мазе. Не е особено светло, а купищата забравени предмети са буквално навсякъде. Въпреки, че повечето кутии са здраво облепени с тиксо, все пак можете да се досетите какво сте сложили в тях, като ги повдигнете и разклатите леко, нали?

 

Е, складовите и индустриалните роботи вече също могат това. Изследователи от Масачузетския технологичен институт (MIT), Amazon Robotics и Университетa на Британска Колумбия са разработили авангарден метод за симулация, който позволява на роботите с хващачи с помощта само на вътрешните си сензори за секунди да идентифицират теглото и твърдостта на обектите, както и да отгатват с висока точност съдържанието на затворени контейнери – само чрез повдигането и разклащането им.

 

Революция в роботизираната манипулация

 

От MIT определят разработката като революционна за бъдещето на прецизната роботизирана манипулация, тъй като не изисква никакви външни датчици, тактилни сензори или допълнителни измервателни средства и още по-важното – камери за машинно зрение.

 

Това превръща иновацията в бюджетно решение за редица приложения, в които камерите биха били недостатъчно ефективни поради лошо осветяване или други компрометиращи видимостта условия. Концепцията би могла да бъде използвана не само във високоавтоматизирани съвременни складове, като тези на Amazon, но и при кризисни ситуации, например при разчистването на останките от рухнали след земетресение сгради.

 

Ключова за подхода е техника за симулация, която комбинира модели на робота и обекта, за да може незабавно да идентифицира основни характеристики на съответния предмет – още докато манипулаторът взаимодейства с него. Тя позволява на системата с много по-малка инвестиция от тази в платформа за компютърно зрение или прецизен измервателен уред да определи колко тежи захванатият обект.

 

Методът дава възможност за максимално ефективно оползотворяване на данните и би бил устойчив и надежден дори при тежки експлоатационни условия и неблагоприятни за хората и техниката среди, посочват разработчиците му. Успехът му ще зависи основно от това дигиталните двойници на робота и обекта да са достатъчно точни и детайлни.

 

Усещане за движение и позиция

 

За основа на разработката си изследователите използват т. нар. "проприоцепция" – способността на човек или робот да усеща движението или позицията си в пространството. За пример от екипа дават вдигането на тежести във фитнеса. Въпреки че човек държи гирите с пръстите и дланите си, той усеща тежестта им и в китката и бицепса. По същия начин роботите могат да усещат теглото на захванатите обекти чрез шарнирните съединения на манипулаторите си.

 

Освен това любителите на физическите тренировки могат и без да гледат приблизително да преценят кой дъмбел с какво тегло е и да ги различат един от друг само на база усещането на ръката си. Когато робот, използващ новоразработения метод повдигне даден предмет, системата събира информация от енкодерите в ставите му – сензори, които регистрират ротационната позиция и скоростта на въртене на шарнирните съединения при движение.

 

При една и съща сила манипулаторът ще се движи по-бавно при по-тежък обект и по-бързо при по-лек. Чрез т. нар. диференциална симулация алгоритмите, разработени от изследователите, изчисляват как малки промени в харатеристики на параметрите, като маса и твърдост, променят крайната позиция на шарнирните съединения и сегментите на манипулатора.

 

 

Потенциалните приложения

 

Алгоритмите са базирани на библиотеката с отворен код Warp на NVIDIA, която предлага свободно достъпни развойни инструменти за диференциални симулации. След като виртуалният модел за дадено прогнозно тегло съвпадне с реалната позиция на робота в пространството, системата за секунда разполага с точна информация за това колко тежи обектът в хващача.

 

Тъй като шарнирните роботи са изключително широко разпространени в складовата, производствената и логистичната автоматизация, екипът очаква иновацията да намери широко приложение в индустрията в следващите години. Тя може да бъде прилагана не само за определяне на маса или твърдост, а и за измерване на инерционен момент или вискозитет на флуиди с цел идентифициране на съдържанието на контейнери например.

 

Изследователите си поставят задачата да тестват разработката при меки или по-комплексни и специализирани роботи, както и да проведат експерименти с гранулирани материали, например с пясък, където са убедени, че методът ще се окаже високоефективен. Тъй като използваните алгоритми не се нуждаят от огромни бази данни за обучение, а само от информация за траекторията на едно реално движение на робота, те се очаква да демонстрират висока успеваемост и надежност в непознати среди или при тестове с нови обекти.

 

Не алтернатива, а надеждно допълнение на машинното зрение

 

От екипа поясняват, че не целят с иновацията си да изместят машинното зрение от практиката, а напротив – да създадат полезен инструмент за допълване на функционалността му в мултимодални сензорни решения, които са още по-мощни от досегашните. С помощта на техниката бъдещите роботи ще могат още по-бързо да се обучават и адаптират към динамични сценарии, все по-прецизно и пълноценно манипулирайки с обкръжаващите ги обекти, вярват от MIT и Amazon.

 

"Идентифицирането на физическите свойства на обектите посредством данни е отколешно предизвикателство в роботиката, особено при ограничени възможности за измерване или наличие на шум и смущения. Ето защо тази разработка е от ключово значение за бъдещето на роботизираната манипулация", обобщават от NVIDIA по повод наскоро публикуваното проучване на екипа, базирано на техни развойни инструменти.

 

Източник: MIT; снимки: MIT, Dreamstime

Ключови думи: MIT   Amazon   NVIDIA   роботи   манипулатори   хващачи   измерване на тегло   твърдост   шарнирни роботи   складови роботи  

Област: Роботика