Robotisch zakken plukken – toch niet zo utopisch

Willekeurig gerangschikte objecten met onregelmatige vormen, gemaakt van flexibele materialen die gemakkelijk vervormbaar, gerimpeld en dus moeilijk te lokaliseren zijn? Dit behoort nu tot het verleden.

«We hebben besloten om onze ervaring, kennis en vaardigheden te gebruiken om de prestaties van onze AI-aangedreven oplossingen nog verder te verbeteren en ze te "leren" zakken te detecteren en op te pakken.»

Bin picking – d.w.z. het robotisch detecteren en picken van willekeurig gerangschikte objecten vanuit een bak op basis van CAD-modellen – is een veelvoorkomend type toepassing waarmee we te maken hebben, zelfs in uitdagende industriële omgevingen. Onze Bin Picking Studio is een alles-in-één orderverzameloplossing voor robotintegrators, die niets van computervisie hoeven te weten om het op te zetten. De robuuste functies maakten het mogelijk om vrijwel alle industriële sectoren te betreden:de auto-industrie, productie, logistiek en andere.

We begonnen echter geleidelijk aan verzoeken van onze klanten te ontvangen voor een oplossing waarmee ze voorwerpen met onregelmatige vormen en op willekeurige posities in de prullenbak konden oppakken . We gingen aan de slag met algoritmen waarmee we dit soort objecten konden kiezen en na enige tijd van intensief streven, onze AI-gestuurde oplossingen voor het eerst het levenslicht zag. Dankzij geavanceerde algoritmen hebben ze ons in staat gesteld objecten van verschillende grootte, verschillende texturen en willekeurige vormen, inclusief vervormingen, te lokaliseren en te kiezen. Bovendien hoeven de objecten niet in geordende patronen te worden gestapeld, maar kunnen ze absoluut willekeurig worden geplaatst en kan de robot ze nog steeds herkennen en kiezen. Onze door AI aangedreven oplossingen, mogelijk gemaakt door een combinatie van nauwkeurige 3D-visie en geavanceerde AI-algoritmen, toonden de wereld de enorme mogelijkheden voor automatisering van materiaalbehandeling, productie, logistiek en nog veel meer.

En het was de logistiek die ons liet zien dat er nog een laatste leemte over was om allerlei objecten en toepassingen te dekken - en dit lag in het feit dat goederen niet altijd in stevige dozen worden vervoerd, maar sommige in zakken . Deze vormen een grote uitdaging voor geautomatiseerd sorteren omdat ze hun vorm niet behouden - ze zijn flexibel, gekreukt, gemakkelijk vervormbaar en dus erg moeilijk te lokaliseren . We hebben besloten om onze ervaring, kennis en vaardigheden te gebruiken om de prestaties van onze AI-aangedreven oplossingen nog verder te verbeteren en ze te "leren" zakken te detecteren en op te pakken .

Het herkennen van grenzen tussen zakken die chaotisch in een container zijn geplaatst, kan zelfs voor mensen vaak moeilijk zijn. De taak wordt nog ingewikkelder voortransparante tassen . Moeilijk – maar mogelijk. We hebben een netwerk ontwikkeld dat tassen kan herkennen, soms beter dan wijzelf. Ze kunnen elkaar overlappen en voorkomen dat ze worden opgepakt, maar ons systeem kan dit gemakkelijk aan en staat niet toe dat de robot volledig of gedeeltelijk bedekte zakken pakt .

Een andere veelvoorkomende moeilijkheid komt voort uit de aard van het materiaal waarvan de zakken zijn gemaakt:ze zitten vol plooien en kreukels, waardoor ze vaak van de grijper vallen net nadat ze met succes zijn gedetecteerd en opgetild. We raden aan om een ​​vacuümgrijper met feedback te gebruiken om dergelijke fouten te voorkomen.

Photoneo AI-aangedreven oplossingen zijn nu intelligenter dan ooit. En ze staan ​​klaar om u te helpen!