Robotica per la produzione

I ricercatori ME stanno esplorando come la robotica e l’intelligenza artificiale possono contribuire a migliorare la sicurezza dei lavoratori del settore manifatturiero, standardizzare i processi e altro ancora.

Di: Lyra Fontaine Foto: Dennis Wise / Università di Washington Immagine in alto: I ricercatori ME stanno utilizzando un robot con una telecamera stereo 2D e una pinza parallela (mostrata sopra) dotata di sensori di pressione. Hanno sviluppato un algoritmo in grado di rilevare quando gli oggetti scivolano fuori dalla pinza.

Lavorando a fianco di partner industriali, i ricercatori ME stanno esplorando modi per migliorare la sicurezza dei lavoratori della produzione, automatizzare le ispezioni e migliorare le capacità dei robot di interagire con gli oggetti che li circondano.

Nel Laboratorio di meccatronica, automazione e sistemi di controllo dell'UW (MACS Lab), i ricercatori studiano come le macchine e i processi di automazione possono avere un impatto positivo sulla vita delle persone. Il laboratorio è guidato da Xu Chen, Bryan T. McMinn Endowed Research Professor in Ingegneria Meccanica.

“L’intelligenza artificiale sta creando nuove significative opportunità”, afferma Chen. “Consentire ai robot di manipolare in modo intelligente gli oggetti potrebbe aiutare i lavoratori a completare le attività di produzione. Sono davvero entusiasta di risolvere le sfide in questo spazio”.

Nel Boeing Advanced Research Center, la professoressa assistente ME Krithika Manohar sviluppa algoritmi per prevedere e controllare sistemi dinamici complessi, che sono situazioni imprevedibili in cui le condizioni evolvono nel tempo. Il suo lavoro include l'ottimizzazione dei sensori per il processo decisionale nella produzione aeronautica.

“L’intelligenza artificiale e l’apprendimento automatico sono molto potenti in questo ambito perché i processi ingegneristici sono strettamente regolamentati”, afferma. “I tuoi test di volo devono essere estremamente accurati. L'ala di un aereo deve rientrare in un intervallo di misurazioni rigoroso per funzionare correttamente. I modelli di intelligenza artificiale, se applicati a questi processi molto ben controllati, possono apprendere i modelli molto più facilmente. Possono trovare le variabili che influenzano i difetti di queste parti”.

Manohar apprezza il modo in cui il suo lavoro viene applicato ai processi di produzione della vita reale, come la previsione degli spessori negli aerei.

"Posso vedere come viene applicato e come influisce su queste reali decisioni ingegneristiche", afferma. "Puoi vederlo in un'ala reale."

Come si insegna ai robot ad afferrare oggetti e a rilevare quando gli oggetti stanno scivolando? Un nuovo progetto nel MACS Lab combina feedback visivo e tattile nei robot industriali che svolgono compiti insieme ai lavoratori umani. Studi precedenti hanno proposto algoritmi di feedback solo visivo o solo tattile per afferrare gli oggetti. Questo progetto, finanziato da UW + Amazon Science Hub, imita il modo in cui gli esseri umani usano sia la vista che il tatto per afferrare gli oggetti.

I ricercatori – incluso il ME Ph.D. lo studente Xiaohai Hu e gli studenti del master Apra Venkatesh e Guiliang Zheng – stanno utilizzando nei loro esperimenti un robot con una telecamera stereo 2D e una pinza parallela dotata di sensori di pressione. Hanno sviluppato un algoritmo che rileva quando un oggetto scivola dalla pinza robotica più del 99% delle volte.

Il team ha testato il proprio approccio con 10 oggetti comuni, tra cui una spugna, una scatola, una pallina da tennis e un cacciavite. Hanno anche dimostrato di afferrare un libro da uno scaffale pieno di oggetti.

"Questo processo sembra intuitivo ma in realtà è piuttosto dinamico e difficile per gli operatori robotici", afferma Chen. “La presa robotica è un compito complesso che implica affrontare problemi di percezione, pianificare ed eseguire interazioni precise e utilizzare un ragionamento avanzato. Nelle nostre demo, anche l’attrito cambia durante il processo”.

Rilevare e impedire che gli oggetti scivolino fuori dalla pinza robotica potrebbe essere una capacità utile per i robot che lavorano a fianco dei lavoratori in ambienti come magazzini o impianti di produzione. Ad esempio, una pinza con capacità di rilevamento dello scivolamento potrebbe trattenere e spostare oggetti pesanti come parti di macchinari o componenti automobilistici, raccogliere oggetti fragili senza danneggiarli, smistare oggetti come pacchi e maneggiare oggetti bagnati o scivolosi come prodotti agricoli.

Ora che hanno una migliore comprensione della presa e sono in grado di rilevare quando gli oggetti scivolano, il team spera di aumentare la forza della pinza e cambiare la posizione in cui afferra l'oggetto per evitare che l'oggetto cada.