Wat is de realiteit van robotvisie?

Robotvisie of vision-geleide robotsystemen zijn een nieuw middel waarmee veel fabrikanten de jigging- en positioneringsbeperkingen vermijden die gepaard gaan met standaard industriële robots.

Deze beperkingen bestaan ​​omdat een robot typisch een begrensd of nauwkeurig programma moet volgen om een ​​herhaalbaar proces met een betrouwbare output uit te voeren. Je kunt dit zien als het aan elkaar lassen van een autochassis of het helpen assembleren van componenten op een massa-assemblagelijn - dit zijn nauwkeurige en zeer herhaalbare bewerkingen die aanzienlijke en nauwkeurige installatiekosten kunnen rechtvaardigen en toch een rendement op de investering opleveren.

In veel scenario's maakt de verscheidenheid aan onderdelen of hun grootte en volume zo'n nauwkeurig jiggen echter onpraktisch. Robotvisie biedt een alternatief middel om de nog steeds zeer repetitieve processen te vervullen. Met gespecialiseerde technologie naast zichtcapaciteiten, kan robotvisie ook de deur openen naar "zelfprogrammerende" oplossingen die niet alleen de limieten van bestaande jigging-beperkingen overwinnen, maar robots in staat stellen om in real-procestijd te reageren op nog nooit eerder vertoonde onderdelen en posities – allemaal met de toegevoegde waarde van geen handmatige programmering .

Waar robots tegenwoordig worden gebruikt

Robots worden vaak gebruikt door autofabrikanten en andere massamarktbedrijven. Naar schatting wordt bijna 40% van de Noord-Amerikaanse productierobots gebruikt in de automobielsector. Deze robots assembleren voertuigen en passen productieprocessen toe op hun onderdelen of het eindproduct.

Dit werkt voor dit type fabrikant omdat auto's 1) duur zijn om te kopen, 2) duur zijn om te maken, 3) grote batchgroottes hebben (er zijn veel automodellen die tien- of zelfs honderdduizenden eenheden per jaar verkopen), 4) zie alleen grote ontwerpwijzigingen om de 5 tot 7 jaar.

Ondanks de manier waarop industrieën zoals de auto-industrie en elektronica verschillende soorten robotoperaties vooruit hebben geholpen, zijn robots zelf niet zo responsief geworden op andere vormen van operaties. Robot- of machinevisie heeft geprobeerd dat te veranderen door robots de detectiemogelijkheden te geven om in realtime op hun omgeving te reageren of belangrijke objecten te identificeren en in de ruimte te manipuleren.

Zoals het er nu uitziet, zijn de meeste van deze bewerkingen redelijk repetitief geweest - denk aan palletiseren, pick-and-place of geautomatiseerde bewerkingen waarbij een robot kleine stukjes en componenten in de ruimte moet identificeren en assembleren of samenvoegen. Deze toepassingen functioneren nog steeds binnen. Met nieuwe toepassingen van kunstmatige intelligentie kunnen industriële robots die gebruik maken van machine vision echter net zo responsief worden als geschoolde menselijke werknemers in industriële omgevingen, wat vooral de fabrikanten met een hoge mix ten goede komt.

Hoe robotvisie tot nu toe is uitgeprobeerd

Er zijn pogingen gedaan om robots te zien door middel van statische beelden, radar, lidar of andere formuleringen, terwijl verbeteringen in computervisie ook andere mogelijkheden hebben gecreëerd om meer autonome robots te ontwikkelen.

De meest herkenbare vormen van robotvisie die we tegenwoordig in de media zien, zijn zelfrijdende auto's, autonome mobiele robots en 'picker'-robots. Zelfrijdende auto's, terwijl ze nog in ontwikkeling zijn en langzaam een ​​sterke veiligheidscase bereiken, functioneren in wezen autonoom op wegen en snelwegen.

Autonoom rijden maakt effectief gebruik van een combinatie van kaarten, GPS en situationeel bewustzijn om te evalueren waar het naartoe gaat en welke belemmeringen in de weg staan, terwijl het ook in het algemeen de verschillende problemen van verkeer, lichten, stopborden, voetgangers, snelheidslimieten en objecten in de weg om hun bestemming te bereiken. Deze technologie is tegenwoordig al beschikbaar in auto's zoals Tesla en van andere merken in de vorm van rijstrookassistentie en verschillende veiligheidsvoorzieningen die de eigen mogelijkheden van een bestuurder vergroten.

Wat betreft autonome mobiele robots, deze worden meestal gebruikt in magazijnen en soms in scenario's voor pakketbezorging of monitoring op afstand (zoals bijvoorbeeld een drone). In deze situaties wordt AI ook gebruikt om algemene visuele informatie te verwerken en specifieke doelstellingen te identificeren. Doordash is al begonnen met het inzetten van kleine bezorgrobots om voedsel naar hun bestemming te brengen.

Verschillende magazijnrobots zijn ook geschikt bevonden voor materiaalverwerking en zelfs voor het verpakken, terwijl 'picker'-robots op basis van technologie zoals die van Covariant robots in staat stellen onderscheid te maken tussen objecten op een transportband en te verpakken of ze te sorteren, of het nu gaat om groothandelsdistributie of verzending naar de detailhandel . Dit gaat een stap verder op het gebied van robotvisie, omdat het bedoeld is om onderscheid te maken tussen verschillende soorten onderdelen en ze adequaat te sorteren - een grote stap voorwaarts, maar nog steeds beperkt tot magazijntoepassingen, materiaalbehandeling en niet op toegevoegde waarde of ambachtelijke basis processen.

Voor processen met toegevoegde waarde is Robot vision op verschillende manieren gebruikt, maar ze maken vaak deel uit van nog steeds programmatische machineframeworks die niet noodzakelijkerwijs in realtime functioneren met betrekking tot programmering of onderdeelmixen. Tegelijkertijd zijn ze meer dan ooit nodig. Tussen sociale afstand, de pensioencrisis van de babyboomers en een tekort aan geschoolde arbeidskrachten onder jongere werknemers, hebben bedrijven niet genoeg automatiseringsopties klaar om de productie-output te handhaven zonder de kosten op te drijven - voor zichzelf, klanten en consumenten.

Waarom Robot Vision zelf-programmerende doorbraken mogelijk maakt

Het combineren van robotvisie met effectieve en procesgespecialiseerde AI is de laatste stap om fabrieken en faciliteiten echte autonomie op de werkplek te geven.

Bij Omnirobotic hebben we infraroodsensorsystemen gemaakt waarmee robots vormen kunnen visualiseren en interpreteren terwijl ze ervoor worden geplaatst. Dit systeem heeft voldoende dieptewaarneming en gezichtsveld dat het een gedigitaliseerd beeld kan genereren van verschillende onderdelen, vormen en posities in een productieomgeving in een vergelijkbare mate als een geschoolde arbeider "in hun eigen hoofd" zou kunnen hebben. Met behulp van AI kan ons systeem vervolgens in real-time unieke robotbewegingen genereren die zowel het traditionele programmeerproces verkorten als robots in staat stellen om autonoom te functioneren, ongeacht de verscheidenheid aan onderdelen of veel voorkomende vereisten van de fabrikant.

Deze technologie houdt rekening met verschillende procesbeperkingen. Heeft u bijvoorbeeld bij een spuitproces een bepaald gereedschapstype nodig? Is er afstand nodig tussen het gereedschap en het onderdeel? Zijn er alleen gezichten van onderdelen die moeten worden geverfd?

Nadat u deze functies hebt gespecificeerd, profiteert u uiteindelijk van machinevisie die direct wordt gebruikt bij het identificeren, interpreteren van de oriëntatie van onderdelen en het genereren van een unieke robotbeweging om dit te bereiken. Deze vereisten vereisen uiteindelijk allemaal een duidelijke "arbeidsverdeling" binnen de AI die wordt gebruikt om het te verwerken. Door onderdeel-, proces- en techniekparameters te identificeren, kunnen machines eindelijk alle benodigde informatie interpreteren die een robot in staat stelt om bijna realtime te programmeren via robotvisie.

Natuurlijk, zien is geloven, en dit soort dingen klinkt soms te mooi om waar te zijn! Als je volledig wilt begrijpen hoe onze Shape-to-Motion™-technologie werkt, bekijk dan de onderstaande video.

Hoe u Robot Vision kunt gebruiken om uw productiviteit te transformeren

Dus, wat is het verschil tussen een robot die één taak doet in vergelijking met een robot die bijna elk onderdeel kan verwerken dat je erop gooit?

In principe is robotvisie een goed begin, maar in staat zijn om voor zichzelf te denken over het uitvoeren van een operatie is essentieel.

Natuurlijk zijn er nog steeds specifieke instructies vereist en bepaalde beperkingen die moeten worden overwonnen, maar het punt is dat industriële robots dichter bij "instellen en vergeten" zijn dan ooit tevoren.

Bovendien geeft dit uw team meer flexibiliteit om zich te concentreren op materiaalverwerking, andere bekwame of zelfs creatieve taken en een hogere kwaliteit en productiviteit te bereiken in termen van output dan ooit tevoren, terwijl het ook de beperkingen en barrières overwint die zijn ontstaan ​​bij high-mix fabrikanten in termen van het vinden van geschoolde arbeidskrachten in de afgelopen jaren.

Je zou het een "absolute overwinning" kunnen noemen, maar wij noemen het gewoon Shape-to-Motion™-technologie. Neem vandaag nog contact met ons op voor meer informatie.

Omnirobotic biedt zelfprogrammerende technologie voor robots waarmee ze kritieke industriële spuit- en afwerkingsprocessen kunnen zien, plannen en uitvoeren. Het team van Omnirobotic combineert tientallen jaren ervaring met nieuwe AI-mogelijkheden om dit te bieden door middel van iets dat Shape-to-Motion™-technologie wordt genoemd, dat unieke robotbewegingen in realtime genereert voor elk onderdeel en specifieke vereiste. Bekijk hier wat voor soort terugbetaling u ervan kunt krijgen .