Nieuw algoritme reduceert robot grijpplanningstijd tot sub-seconden
Een nieuw algoritme versnelt het planningsproces aanzienlijk dat vereist is voor een robot om zijn grijp op een object aan te passen door dat object tegen een stationair oppervlak te duwen. Terwijl traditionele algoritmes tientallen minuten zouden vereisen voor het plannen van een reeks bewegingen, reduceert de nieuwe aanpak dit vooraf-planningsproces tot minder dan een seconde. Deze snellere planning zal robots, met name in industriële omgevingen, in staat stellen om snel uit te zoeken hoe ze tegen moeten duwen, langs moeten schuiven, of op andere manieren omgevingskenmerken moeten gebruiken om objecten in hun grijp te herpositioneren. Zo'n vlotte manipulatie is nuttig voor elke taak die ophalen en sorteren omvat, en zelfs ingewikkeld gereedschapgebruik.
Bestaande algoritmes nemen meestal uren om een reeks bewegingen voor een robotische gripper te preplannen, voornamelijk omdat voor elke beweging die het overweegt, het algoritme eerst moet berekenen of die beweging aan een aantal fysieke wetten voldoedt, zoals Newton's wetten van beweging en Coulomb's wet die wrijvingskrachten tussen objecten beschrijft. Een compacte manier om de fysica van deze manipulaties van tevoren op te lossen voordat men besluit hoe de hand van de robot moet bewegen, omvat het gebruik van "motion cones" die essentieel visuele, kegelvormige kaarten van wrijving zijn.
De binnenkant van de kegel beeldt alle duwbewegingen die op een object in een specifieke locatie toegepast kunnen worden, terwijl ze voldoen aan de fundamentele fysieke wetten en de robot in staat stellen het object vast te houden. De ruimte buiten de kegel vertegenwoordigt alle duwen die op een of andere manier zouden zorgen dat een object uit de grijp van de robot glijdt. Het algoritme berekent een motion cone voor verschillende mogelijke configuraties tussen een robotische gripper, een object dat het vasthoudt, en de omgeving tegenover welke het duwt om te herpositioneren, om te selecteren en sequentiëren van verschillende haalbare duwen om het object te herpositioneren.
De onderzoekers testten het nieuwe algoritme op een fysieke opstelling met een drieweg-interactie waarin een eenvoudige robotische gripper een T-vormig blok vasthield en tegen een verticale staaf duwde. Ze gebruikten meerdere startconfiguraties, met de robot die het blok op een bepaalde positie greep en het onder een bepaalde hoek tegen de staaf duwde. Voor elke startconfiguratie genereerde het algoritme onmiddellijk de kaart van alle mogelijke krachten die de robot kon toepassen en de resulterende positie van het blok. De voorspellingen van het algoritme kwamen betrouwbaar overeen met het fysieke resultaat in het lab, met het plannen van reeksen bewegingen — zoals het heroriënteren van het blok tegen de staaf voordat het neergezet werd op een tafel in een staande positie — in minder dan een seconde, vergeleken met traditionele algoritmes die meer dan 500 seconden nodig hebben om te plannen.
Sensor
- Dynamis: Kracht-terugkoppeling tech geeft industriële robots menselijke precisie
- Hand-geguideerde collaboratieve robots: Veiligheidsstandards uitgelegd
- Geavanceerde vierpoten zwermrobots voor complexe terreinnavigatie
- Nieuw Algoritme Maakt Zelf-Zintuigende Zachte Robots Mogelijk voor Betrouwbare Taken
- Robot Manipulatie Revolutie: AI-Gedreven Greppers voor Precieze Pick-and-Place
- Zelflerende Zwemmende Biohybride Robots: Adaptieve Zachte Robotica Vooruitgang
- Revolutionaire Nanoschaal Vouwbare Robots: Vormgeheugen Actuators Benutten
- Robotische Gezondheidsassistenten: 5 Essentiële Inzichten
- Smartphone-gebaseerd Diabetes Detectiehulpmiddel: Digitale Biomarker voor Vroege Risico-identificatie
- Ziekenhuisrobots: Patiëntenzorg en personeelsveiligheid revolutioneren
- Michigan-onderzoek toont robots die huishoudelijke objectrelaties beheersen voor slimme huishoudnavigatie