Robot mulai mengatasi manipulasi objek sewenang-wenang.

Sebagai generasi baru cengkeraman dengan peningkatan persepsi tiga dimensi dan sensasi sentuhan, belajar untuk memanipulasi objek dari berbagai

Penangkapan yang dibuat oleh Robotic Materials Inc., yang didirikan oleh penulis artikel, melakukan tugas memanipulasi kompetisi perakitan industri di Tokyo World Robotics Summit

Meskipun robot telah mampu memasak sarapan sejak 1961, manipulasi tujuan umum (MES) di dunia nyata mungkin menjadi masalah yang lebih kompleks daripada mengemudi mobil otomatis. Namun, agak sulit untuk menjelaskan mengapa ini terjadi. Jika Anda hati-hati melihat video dari tahun 1961, Anda dapat melihat bahwa penangkapan paralel dua jari cocok untuk sejumlah besar tugas, dan hanya kurangnya sensasi dan akal sehat yang tertanam dalam robot yang mencegahnya melakukan tugas serupa di dunia nyata. Sebuah artikel baru-baru ini di jurnal Science mengingatkan kita bahwa bahkan tugas yang kaya sentuhan seperti merakit furnitur adalah dalam kemampuan robot industri yang ada. Masalah sebenarnya adalah sejumlah besar kemungkinan gerakan dan manipulasi, dan gerakan yang diperlukan untuk membuat roti lapis dengan minyak, tidak harus bersamaan dengan gerakan yang diperlukan untuk merakit kursi.

Dari sudut pandang industri, MES mungkin bukan masalah yang harus diatasi. Bagaimanapun, kita dapat membuat mesin untuk apa saja - membuat espresso, mencuci piring, merakit gandum, produksi massal sepatu olahraga. Itulah bagaimana sebagian besar robotika digunakan dalam industri modern. Bahkan robot yang dipromosikan sebagai "mesin kolaborasi" pada dasarnya menjadi bagian dari mesin yang lebih kompleks pada jalur perakitan (dan tidak perlu penjaga untuk bekerja dengan aman). Upaya untuk mengembangkan MES yang secara ilmiah menarik diukur dalam kaitannya dengan kasus penggunaan tersebut. Karena itu, keuntungan dari solusi umum untuk masalah menjadi kurang jelas dan berisiko terjebak dalam "gang inefisiensi" ketika investor dan industri kehilangan minat terhadapnya. Namun, proses produksi dan pengiriman mencakup sejumlah besar tahapan manipulasi yang berbeda. Bahkan jika nilai setiap tahap cenderung nol, nilai totalnya signifikan secara ekonomi.

Bagaimana kita tahu bahwa solusi untuk masalah manipulasi akan cukup digeneralisasi untuk mengungkapkan nilai ini? Komunitas pengembangan robotika telah mengusulkan beberapa opsi kompetisi di mana perlu untuk menyelesaikan berbagai masalah atau memanipulasi berbagai objek. Ini adalah, misalnya, kompetisi seperti RoboCup @ Home , IROS dan Amazon Picking Challenge . Meskipun kompetisi-kompetisi ini berkampanye untuk solusi-solusi umum, masih sulit untuk memunculkan tugas-tugas yang tidak akan dapat diselesaikan dengan solusi khusus. Misalnya, tim IROS yang memenangkan Korea menggunakan robot Baxter dan sistem blok busa berperekat untuk memanipulasi benda seperti piring dan sendok. Demikian juga, sebagian besar tugas di Amazon Picking Challenge dapat diselesaikan hanya dengan satu pompa vakum. Faktanya, kita membutuhkan solusi tunggal untuk manipulasi yang sesuai dengan semua tugas ini.

Pandangan yang berbeda tentang hal-hal yang ditawarkan pada kompetisi industri di World Robotics Summit di Tokyo, di mana mereka menawarkan hadiah $ 130.000 kepada tim yang akan dapat memberikan solusi umum untuk beberapa tugas industri memuat wadah dan merakit barang-barang yang dapat dialihkan antara dalam satu hari. Pertama-tama tim perlu mendapatkan objek dengan ukuran yang sangat berbeda dari keranjang (dari mur M3 ke motor listrik dan sabuk penggerak fleksibel), menempatkannya dalam wadah, dan kemudian mengumpulkan struktur kompleks dari mereka. Untuk kompetisi seperti itu, solusi manipulasi diperlukan yang tidak hanya dapat menangkap dan memanipulasi objek, tetapi juga dapat dengan mudah diprogram ulang selama hari kompetisi. Dalam hal keberhasilan pembuatan robot seperti itu, mereka dapat digunakan sebagai asisten dalam perakitan furnitur, bantuan dalam bergerak, atau tugas manipulasi lain yang orang dapat dengan mudah mengerti, tetapi robot modern tidak bisa.

Pompa vakum, grip dan robot lunak

Opsi apa yang kami miliki untuk mencapai MES? Dalam otomasi industri, tiga paradigma yang bersaing mendominasi: pompa, cengkeraman mekanik dan lengan, dan yang lebih baru, robot lunak. Pompa berada di latar depan karena cangkir hisap cangkir berubah bentuk dan mengambil bentuk objek, bahkan ketika lokasinya tidak diketahui secara pasti. Setelah itu, Anda dapat menyedot udara, yang membuat mangkuk padat dan menciptakan pembatasan berbentuk lingkaran pada gerakan objek. Ini adalah pilihan yang menarik, karena satu cangkir suction cup mampu menangkap sejumlah besar objek yang berbeda. Namun, suction cup tidak menyelesaikan semua masalah - misalnya, ketika objek terlalu berat, terlalu keropos, ketika untuk manipulasi lebih lanjut diperlukan untuk secara akurat memindahkan objek atau menerapkan efek tertentu untuk itu.


Benda berlubang sulit ditangkap hanya dengan cangkir isap

Aplikasi gaya yang tepat dapat digunakan saat menggunakan grippers mekanis, yang paling sering diimplementasikan dalam bentuk grip paralel atau dua mekanisme empat-link . Solusi tiga jari lebih jarang digunakan, dan menunjukkan diri mereka dengan baik jika perlu, menangkap benda-benda silinder dari atas. Masalah dengan genggaman ketat adalah bahwa kecepatan genggaman harus nol dalam kontak dengan objek untuk menghindari transmisi impuls yang tidak perlu. Dalam kasus kontak elastis, impuls dipertahankan, sebagai akibatnya benda kecil memantul dari penangkapan dengan kecepatan tinggi. Rebound dapat dikurangi dengan menerapkan cengkeraman yang dapat dideformasi untuk plastisitas kontak yang lebih besar, meningkatkan akurasi persepsi sehingga cengkeraman dapat menutup tepat waktu, atau membatasi kemungkinan pergerakan objek.

Dalam kasus ekstrem, langkah-langkah ini mengarah pada penggunaan genggaman yang benar-benar lunak, deformabilitas yang mencegah benda memantul, dan kelembutan mengurangi keakuratan persepsi yang diperlukan. Keberhasilan penangkapan terletak pada area kontak yang besar untuk memaksimalkan gesekan dan mengurangi derajat rotasi kebebasan objek. Saat memegang batang persegi menggunakan pegangan dua jari, kita perlu mengaturnya agar jari-jarinya sejajar dengan dua bidang batang. Pegangan lunak tidak perlu menentukan orientasi batang dan merencanakan pegangan, karena hanya akan menyelimuti objek. Tetapi deformabilitas cengkeraman, mengurangi persyaratan untuk persepsi dan perencanaan, mempersulit penerapan upaya yang terkontrol. Posisi objek di tangan lunak tidak diketahui, dan deformabilitasnya tidak memungkinkan upaya diterapkan secara terkendali. Saat menangkap dan kemudian menjatuhkan objek, ini mungkin bukan masalah, tetapi itu sangat mempersulit manipulasi di mana Anda perlu mengangkat objek dan menempatkannya dengan benar.

Hasil praktis yang baik dapat dicapai dengan menggabungkan kontrol posisi sederhana dan membatasi torsi maksimum motor. Seperti lengan robot lunak yang dapat dideformasi, gripper dengan kontrol resistensi dapat menyesuaikan dengan objek, menebus ketidakakuratan dalam persepsi.

Dengan demikian, pegangan yang ideal harus menjadi keras atau lunak seperlunya, memungkinkan Anda untuk menangkap objek dengan persepsi dan perencanaan minimal, menghilangkan ketidakpastian di lokasi objek dan memungkinkan untuk manipulasi yang ketat. Pada saat yang sama, permukaan tangkap harus mempertahankan kontak terus menerus dengan objek. Ini dapat dicapai dengan menggabungkan teknik-teknik di atas. Misalnya, genggaman lunak dapat menjadi kaku dengan selai granular, atau mekanisme pengisapan dapat ditambah dengan genggaman untuk memberikan batasan tambahan. Pegangan mekanis dapat dilengkapi dengan suction cup atau bantalan elektrostatik untuk adhesi yang mudah pecah. Tangan manusia melakukan pekerjaan yang luar biasa dalam menggabungkan sifat-sifat ini: kombinasi tulang keras dan jaringan lunak memungkinkan Anda untuk memvariasikan kekakuan, dapat menutupi benda, sambil mempertahankan kemampuan untuk mengontrol secara akurat. Peluang ini diwujudkan dengan bantalan jari yang lembut, gesekan kulit dan kemampuan untuk menempel - seperti selembar kertas menempel pada jari.

Grip Kontrol Torsi

Beberapa fitur yang mudah dijangkau memungkinkan kami untuk menggabungkan manfaat robot lunak dan konvensional untuk menciptakan solusi MON yang menarik secara komersial. Salah satunya adalah kontrol resistensi seperti yang diterapkan pada genggaman dua jari tradisional. Dengan mengendalikan perlawanan, kami mengontrol perlawanan terhadap gerakan eksternal yang dipaksakan oleh lingkungan. Hasil praktis yang baik dapat dicapai dengan menggabungkan kontrol lokasi sederhana dengan batasan torsi maksimum motor. Dengan membatasi torsi, pegangan yang kaku dapat berubah bentuk secara sewenang-wenang (sesuai akurasi sensor torsi). Seperti padanannya yang sepenuhnya terdeformasi, cengkeraman dengan kontrol tahanan dapat beradaptasi dengan objek, mengkompensasi persepsi yang tidak akurat. Pada saat yang sama, skema semacam itu bisa menjadi sulit untuk manipulasi yang tepat. Kontrol perlawanan bersama dengan persepsi posisi jari merupakan bentuk sensasi sentuhan. Capture akan dapat menentukan keberadaan objek di lingkungan, posisi pelacakan dan torsi. Gerakan akan lembut, menebus ketidaktepatan persepsi.


Atas: mengambil stroberi menggunakan kontrol resistensi. Mengurangi torsi maksimum yang diijinkan memungkinkan jari untuk berhenti ketika bersentuhan dengan rintangan dan tidak menghancurkan berry.

Bawah: Tangkap benda padat dengan kontrol tahanan. Kontrol torsi memungkinkan jari untuk bergerak hingga terjadi kontak. Mengetahui posisi masing-masing jari, Anda dapat memasukkan kontrol posisi pada tingkat seluruh lengan.

Genggaman yang dikontrol torsi dapat berfungsi sebagai platform untuk mewujudkan penelitian terbaru tentang manipulator lunak: melengkapi ujung jari dan telapak tangan Anda dengan cangkir isap, kami menggabungkan manfaat kontrol posisi yang tepat dan upaya dengan keandalan cangkir hisap. Sensor torsi di persendian jari-jari dapat dilengkapi dengan sensor sentuhan yang mengukur tekanan, yang terletak secara strategis di genggaman. Sensor taktil pada telapak tangan dan ujungnya dapat membantu membedakan apakah hambatan eksternal mencegah gerakan jari, atau jika tangan menyentuh benda yang diinginkan. Sensor taktil juga secara langsung menambahkan sensor visual, menentukan momen kontak dan meningkatkan penilaian orientasi objek dan tempat di mana tangan meraihnya.

Prestasi modern dari persepsi tiga dimensi membuat tujuan MES dekat seperti yang belum pernah terjadi sebelumnya. Sensor tiga dimensi seperti Intel RealSense mampu merasakan keberadaan objek 11 cm dari kamera dengan akurasi yang memungkinkan Anda menangkap bahkan benda kecil seperti kacang M3 , dan solusi kompleks sudah tersedia di pasar - misalnya, Robotic Materials Inc., berdasarkan penelitian dari laboratorium saya, baru saja merilis beta tangannya. Pekerjaan gabungan dari persepsi tiga dimensi yang akurat, kontrol perlawanan untuk interaksi lembut dengan lingkungan dan berbagai metode sensasi sentuhan yang memungkinkan Anda untuk mengevaluasi keberhasilan penangkapan, memungkinkan Anda untuk menerapkan manipulasi objek yang andal dalam lingkungan yang tidak akurat.

Sebagai contoh, kami baru-baru ini mendemonstrasikan pengisian mobile wadah, di mana robot diperlukan untuk mendapatkan objek dari tiga jenis berbeda (kacang M3, bagian dari mekanisme dan tali karet) dari keranjang, lokasi yang di atas meja hanya diketahui sekitar. Meskipun kesalahan 10 cm yang diperkenalkan oleh transportasi otonom bergerak di sepanjang berbagai titik batas gudang, robot mampu mendeteksi keranjang dan benda individu menggunakan persepsi tiga dimensi yang dibangun di tangan. Batasan torsi digunakan untuk berinteraksi secara akurat dengan isi keranjang dan meminimalkan dampak tabrakan yang mungkin terjadi. Persepsi taktil menggunakan pengukuran torsi digunakan untuk mengukur keberhasilan genggaman.


Terlepas dari keberhasilan yang mengesankan dari persepsi tiga dimensi, kontrol perlawanan dan persepsi sentuhan dalam kasus MES, teknologi ini bertentangan dengan paradigma industri yang berlaku tentang solusi khusus untuk manipulator. Segala bentuk persepsi membutuhkan waktu dan menerapkan pembatasan pada kecepatan penangkapan yang diperlukan untuk membatasi energi dari dampak yang tak terduga. Oleh karena itu, di garis depan MES akan menjadi perusahaan kecil dan menengah yang bekerja dengan bermacam-macam dan sejumlah kecil produk, serta pemain besar yang ingin membedakan produk mereka, mengurangi siklus produksi dan meningkatkan kemungkinan penyesuaian. Pada saat yang sama, robot seluler semakin banyak ditemukan di gudang, di hotel dan rumah sakit. Dalam situasi seperti itu, manipulasi tertentu seperti pemuatan, pembongkaran dan pemeliharaan dapat sangat meningkatkan nilai robot tersebut, menciptakan prasyarat ekonomi yang diperlukan untuk menyelesaikan tugas manipulasi tujuan umum.