MTC logra avance en recogida autónoma de objetos para robótica

Expertos en automatización en The Manufacturing Technology Centre han logrado un avance en robótica de recogida de objetos desconocidos...

El último avance logrado por expertos en automatización en The Manufacturing Technology Centre (MTC) significa que la robótica puede manejar objetos sin necesidad de datos CAD o agarres diseñados para permitir despliegue más rápido de soluciones robóticas.

«Este proyecto demuestra la determinación de MTC de adoptar desarrollos académicos con potencial para transformar la robótica en manufactura. La transferibilidad de esta técnica para recoger nuevos objetos permitirá a MTC testear rápidamente con piezas de clientes y asesorar sobre estrategias de implementación», comentó Mark Robson, Ingeniero de Investigación Senior, Robótica, MTC.

El proyecto

Bin picking, una tarea común de manejo en industrias donde un solo objeto necesita separarse de una entrada a granel no estructurada.

Con métodos tradicionales, las fábricas usan datos CAD junto con sensores de alto coste para identificar piezas individuales con precisión, así como testear una gama de agarres pre-ingenierados para factibilidad.

Para reducir tiempo y costes, MTC ha demostrado su técnica «state of the art» para bin picking. La técnica usa un modelo entrenado para encontrar la mejor posición para colocar una ventosa, y puede entrenarse con datos simulados para reducir la necesidad de recolección y etiquetado manual de datos intensivo en mano de obra.

«Los Ingenieros de Robótica de MTC están probando que diseño y desarrollo pueden desmaterializarse en la creación de soluciones inteligentes rentables para automatizar operaciones donde la programación predeterminada es menos viable», añadió Dra. Alejandra Matamoros, Gestora de Tecnología, MTC.

El resultado

La técnica del proyecto fue probada por MTC en una gama de objetos incluyendo componentes metálicos, fruta, y contenedores de cosméticos.

Entrenada con datos etiquetados manualmente mes y datos simulados, la técnica funcionó bien con 92 % y 94 % de recogida exitosa respectivamente.

«El rendimiento del modelo entrenado con datos puramente simulados mostró que este enfoque es una buena solución para reducir la carga de recolección de datos para casos de uso específicos», declaró MTC, añadiendo que «excelente rendimiento en items no presentes en los datos de entrenamiento mostró que el método generalizó bien a cualquier item».

Para más información sobre temas de manufactura, consulte la última edición de Manufacturing Global.

Síganos en LinkedIn y Twitter.

Fuente de imagen