帮助装配线机器人拾取物品

华盛顿大学的研究人员创造了一种工具,可以设计一个3d打印的被动抓取器,并计算出捡起物体的最佳路径,这可以帮助提高机器人的日常任务。看到视频。

通过莎拉McQuate 2022年8月4日
由华盛顿大学提供

机器人的见解

  • 提高机器人抓取和处理物体的能力一直是制造商面临的主要挑战,因为这限制了它们在工厂车间的能力。
  • 被动夹具在不改变形状的情况下拾取物体,类似于叉车上的钳的工作方式,这可以增加它们的多功能性。
  • 华盛顿大学的研究人员开发了一个程序,在这个程序中,3D打印机可以创建一个抓取器,并在抓取器打印并附着后为机器人手臂建模轨迹。

在新冠疫情初期,福特等汽车制造企业迅速采取行动将生产重点从汽车转向口罩和呼吸机

为了使这种转变成为可能,这些公司依赖于在装配线上工作的人。对于机器人来说,这种转变太具有挑战性了,因为机器人被束缚在他们的日常任务上。

从理论上讲,如果机器人的抓手可以在每次任务中更换,机器人几乎可以拿起任何东西。为了降低成本,这些夹具可以是被动的,这意味着夹具可以在不改变形状的情况下抓取物体,类似于叉车上的钳的工作原理。

华盛顿大学的一个团队发明了一种新工具,可以设计一个3d打印的被动抓取器,并计算出捡起物体的最佳路径。该团队在22件物品上测试了这个系统,包括一个3d打印的兔子,一个门挡形状的楔子,一个网球和一个钻头。设计的抓取器和路径成功抓取了20个物体。其中两种是楔形和金字塔形状,有一个弯曲的锁眼。这两种形状对于多种类型的抓手来说都是具有挑战性的。

由华盛顿大学提供

“我们仍然通过装配线生产大部分产品,这确实很棒,但也非常死板。大流行向我们表明,我们需要有一种方法来轻松地重新利用这些生产线,”资深作者说阿德里亚娜舒尔茨他是华盛顿大学Paul G. Allen计算机科学与工程学院的助理教授。“我们的想法是为这些生产线创建定制工具。这给了我们一个非常简单的机器人,它可以用一个特定的抓手完成一项任务。然后当我改变任务时,我只需要更换抓手。”

被动抓取器不能调整以适应它们抓取的物体,所以传统上,物体被设计成与特定的抓取器相匹配。

华盛顿大学的一个团队发明了一种新工具,可以设计一个3d打印的被动抓取器,并计算出捡起物体的最佳路径。研究人员在22件物品上测试了这个系统,如图所示。由华盛顿大学提供

华盛顿大学的一个团队发明了一种新工具,可以设计一个3d打印的被动抓取器,并计算出捡起物体的最佳路径。研究人员在22件物品上测试了这个系统,如图所示。由华盛顿大学提供

“世界上最成功的被动夹持器是叉车上的夹子。但需要权衡的是,叉车钳只适用于特定的形状,比如托盘,这意味着你想抓住的任何东西都需要放在托盘上。杰弗里•利普顿他是华盛顿大学机械工程助理教授。“在这里,我们说‘好吧,我们不想预先定义被动抓取器的几何形状。相反,我们想要利用任何物体的几何形状来设计一个抓手。”

对于任何给定的物体,它的夹持器有很多可能的样子。此外,抓手的形状与机器人手臂拾取物体的路径相关联。如果设计不正确,抓取器可能会在抓取物体的过程中撞到物体。为了应对这一挑战,研究人员有一些关键的见解。

“抓手与物体接触的点对于保持物体在抓手中的稳定性至关重要。我们把这组点称为‘抓握结构’。Milin Kodnongbua他是华盛顿大学艾伦学院的一名本科生,完成了这项研究。此外,夹持器必须在这些给定的点上接触物体,并且夹持器必须是将接触点连接到机器人手臂的单个固体物体。我们可以寻找满足这些要求的插入轨迹。”

其中一件物品是一只蓝色的3d打印兔子。由华盛顿大学提供

其中一件物品是一只蓝色的3d打印兔子。由华盛顿大学提供

在设计新的抓手和轨迹时,该团队首先向计算机提供物体的3D模型及其在空间中的方向——例如,它在传送带上的呈现方式。

“首先,我们的算法生成可能的抓握配置,并根据稳定性和其他一些指标对它们进行排名,”Kodnongbua说。“然后,它会选择最佳方案并进行协同优化,以确定是否有可能插入轨迹。如果找不到,它就会转向列表中的下一个抓取配置,并再次尝试进行协同优化。”

一旦计算机找到了合适的匹配,它就会输出两组指令:一组用于3D打印机创建抓取器,另一组用于打印并连接抓取器后机器人手臂的轨迹。

该团队选择了各种各样的对象来测试该方法的力量,包括一些来自一个对象数据集这是测试机器人执行操作任务能力的标准。

“我们还设计了一些对传统抓取机器人来说具有挑战性的物体,比如角度很浅的物体,或者有内部抓取功能的物体——你必须插入钥匙才能把它们拿起来,”合著者说伊恩好他是华盛顿大学机械工程系的博士生。

研究人员对22种形状进行了10次拾取测试。对于16个形状,所有10个拾取都成功了。虽然大多数形状至少有一次成功拾取,但有两个没有。这些失败是由于提供给计算机的物体的3D模型问题造成的。对于一个碗,模型描述的碗的边缘比实际薄。对于另一个——一个看起来像一个鸡蛋形把手的杯子——模型没有正确的方向。

该算法甚至在没有任何人为干预的情况下,为形状相似的物体开发了相同的抓取策略。研究人员希望这意味着他们将能够创造出被动的抓取器,可以抓取一类物体,而不是为每个物体都有一个独特的抓取器。

一个限制是被动抓取器不能被设计用来抓取所有的物体。虽然拿起宽度不同或边缘突出的物体更容易,但表面均匀光滑的物体,比如水瓶或盒子,如果没有任何移动部件,就很难抓住。

尽管如此,研究人员还是受到了鼓舞,因为他们看到算法做得很好,尤其是在一些更困难的形状上,比如顶部有锁眼的柱子。

“我们的算法给出的路径是快速加速,直到它真正接近物体。它看起来像是要撞到那个物体上,我想,‘哦,不。如果我们没校准好呢?’”古德说。“当然,它会非常接近,然后完美地捕捉到它。这是一个令人敬畏的时刻,是一个极端的情绪过山车。”

-编辑克里斯Vavra,网络内容经理,控制工程、CFE媒体与技术、cvavra@cfemedia.com


作者简介:Sarah E. McQuate,博士,科学作家,华盛顿大学新闻和华盛顿大学工程学院