Colección robótica de bolsas:después de todo, no es tan utópico

¿Objetos dispuestos al azar de formas irregulares, hechos de materiales flexibles que son fácilmente deformables, arrugados y por lo tanto difíciles de localizar? Esto es ahora un problema del pasado.

«Decidimos utilizar nuestra experiencia, conocimiento y habilidades para impulsar aún más el rendimiento de nuestras soluciones impulsadas por IA y "enseñarles" a detectar y recoger bolsas.»

La selección de contenedores, es decir, la detección y selección robótica de objetos dispuestos aleatoriamente dentro de un contenedor sobre la base de modelos CAD, es un tipo común de aplicación con la que tratamos incluso en entornos industriales desafiantes. Nuestro Estudio de Bin Picking es una solución de selección todo en uno para integradores robóticos, que no necesitan saber nada sobre visión artificial para configurarla. Sus sólidas características hicieron posible ingresar básicamente a todos los sectores industriales:automotriz, manufactura, logística y otros.

Sin embargo, poco a poco comenzamos a recibir solicitudes de nuestros clientes de una solución que les permitiera recoger objetos de formas irregulares y en posiciones aleatorias dentro de la papelera . Nos pusimos a trabajar en algoritmos que nos permitirían elegir este tipo de objetos y, después de un tiempo de intenso esfuerzo, nuestras soluciones impulsadas por IA vio por primera vez la luz del día. Gracias a algoritmos sofisticados, nos permitieron localizar y seleccionar objetos de diferentes tamaños, texturas y formas arbitrarias, incluidas las deformaciones. Además, no es necesario apilar los objetos en patrones ordenados, sino que se pueden colocar de forma absolutamente aleatoria y el robot aún puede reconocerlos y recogerlos. Nuestras soluciones impulsadas por IA habilitadas por una combinación de visión 3D precisa y algoritmos avanzados de IA mostraron al mundo las inmensas oportunidades para la automatización del manejo de materiales, fabricación, logística y muchos más.

Y fue la logística la que nos mostró que quedaba un último hueco para cubrir todo tipo de objetos y aplicaciones, y este residía en el hecho de que las mercancías no siempre se transportan en cajas sólidas sino que algunas vienen en bolsas . Estos representan un gran desafío para la clasificación automatizada, ya que no mantienen su forma:son flexibles, arrugados, fácilmente deformables y, por lo tanto, muy difíciles de localizar . Decidimos utilizar nuestra experiencia, conocimiento y habilidades para impulsar aún más el rendimiento de nuestras soluciones impulsadas por IA y "enseñarles" a detectar y recoger bolsas .

El reconocimiento de los límites entre las bolsas que se colocan de manera caótica en un contenedor a menudo puede ser difícil incluso para los humanos. La tarea se complica aún más para las bolsas transparentes . Difícil, pero posible. Desarrollamos una red que es capaz de reconocer bolsos, a veces mejor que nosotros. Es posible que se superpongan y se bloqueen entre sí para que no sean recogidos, pero nuestro sistema puede manejar esto con facilidad y no permitirá que el robot agarre las bolsas cubiertas total o parcialmente .

Otra dificultad común surge de la naturaleza del material del que están hechas las bolsas:están llenas de pliegues y arrugas, lo que a menudo hace que se caigan de la pinza justo después de haber sido detectadas y levantadas con éxito. Recomendamos utilizar un pinza de vacío con retroalimentación para evitar tales fallas.

Las soluciones impulsadas por IA de Photoneo ahora son más inteligentes que nunca. ¡Y están listos para ayudarte!