MTC Alcança Avanço em Coleta Autônoma de Objetos para Robótica

Especialistas em automação no Manufacturing Technology Centre fizeram um avanço em robótica de coleta de objetos desconhecidos...

O último avanço feito por especialistas em automação no Manufacturing Technology Centre (MTC) significa que robôs podem manusear objetos sem a necessidade de dados CAD ou garras projetadas para permitir implantação mais rápida de soluções robóticas.

"Este projeto demonstra a determinação do MTC em adotar desenvolvimentos acadêmicos com potencial para transformar robótica na manufatura. A transferibilidade desta técnica para coletar novos objetos permitirá ao MTC testar rapidamente com peças de clientes e aconselhar sobre estratégias de implementação," comentou Mark Robson, Engenheiro Sênior de Pesquisa, Robótica, MTC.

O projeto

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

Com métodos tradicionais, fábricas usam dados CAD junto com sensores de alto custo para identificar peças individuais com precisão, bem como testar uma gama de garras pré-engenheiradas para viabilidade.

Para reduzir tempo e custos, o MTC demonstrou sua técnica 'state of the art' para bin picking. 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 e rotulagem manual de dados intensiva em mão de obra.

"Engenheiros de Robótica do MTC estão provando que design e desenvolvimento podem ser desmaterializados na criação de soluções inteligentes custo-eficientes para automatizar operações onde programação predeterminada é menos viável," adicionou Dra. Alejandra Matamoros, Gerente de Tecnologia, MTC.

O resultado

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

Treinada com dados manualmente rotulados de um mês e dados simulados, a técnica performou bem com 92% e 94% de coleta bem-sucedida respectivamente.

"Performance do modelo treinado puramente em dados simulados mostrou que esta abordagem é uma boa solução para reduzir o fardo de coleta de dados para casos de uso específicos," afirmou MTC, adicionando que "excelente performance em itens não presentes nos dados de treinamento mostrou que o método generalizou bem para quaisquer itens."

Para mais informações sobre tópicos de manufatura, confira a edição mais recente da

Siga-nos no e .

Fonte da imagem