Avanço robótico feito pelo Centro de Tecnologia de Fabricação

Especialistas em automação do Manufacturing Technology Center fizeram um avanço na robótica de coleta de objetos desconhecidos...
O mais recente avanço feito por especialistas em automação no Centro de Tecnologia de Fabricação (MTC), significa que a robótica pode manipular objetos sem a necessidade de dados CAD ou garras projetadas para permitir uma implantação mais rápida de soluções robóticas.

“Este projeto demonstra a determinação da MTC em adotar desenvolvimentos acadêmicos com potencial para transformar a robótica em manufatura. A transferibilidade desta técnica para escolher novos objetos permitirá à MTC testar rapidamente com peças do cliente e aconselhar sobre estratégias de implementação”, comentou Mark Robson, Engenheiro de Pesquisa Sênior, Robótica, MTC.

O projeto

Bin picking, uma tarefa de manuseio comum em indústrias onde um único objeto precisa ser separado de uma entrada em massa não estruturada.

Com os métodos tradicionais, as fábricas usam dados CAD juntamente com sensores de alto custo para identificar peças individuais com precisão, além de testar uma variedade de garras pré-projetadas quanto à viabilidade.

Para reduzir o tempo e os custos, o MTC demonstrou sua técnica de “estado da arte” para coleta de lixo. A técnica usa um modelo treinado para encontrar a melhor posição para colocar uma ventosa e pode ser treinada com dados simulados para reduzir a necessidade de coleta manual de dados e rotulagem de trabalho intensivo.

“Os engenheiros de robótica da MTC estão provando que o design e o desenvolvimento podem ser desmaterializados na criação de soluções inteligentes econômicas para automatizar operações onde a programação predeterminada é menos viável”, acrescentou a Dra. Alejandra Matamoros, gerente de tecnologia da MTC.

O resultado

A técnica do projeto foi testada pela MTC em uma variedade de objetos, incluindo componentes metálicos, frutas e recipientes de cosméticos.

Treinado com mês Dados rotulados manualmente e data simulada, a técnica teve um bom desempenho com 92% e 94% de sucesso na colheita, respectivamente.

“O desempenho do modelo treinado em dados puramente simulados mostrou que esta abordagem é uma boa solução para reduzir a carga de coleta de dados para casos de uso específicos”, afirmou MTC, acrescentando que “excelente desempenho em itens não presentes nos dados de treinamento mostrou que o método generalizado bem para qualquer item.”

Para obter mais informações sobre tópicos de fabricação - dê uma olhada na última edição de

Siga-nos no e .

Origem da imagem