Kunstmatige intelligentie bestuurt robotarm

Kunstmatige intelligentie bestuurt robotarm

Kunstmatige intelligentie bestuurt robotarm om dozen in te pakken en kosten te besparen

Computerwetenschappers van Rutgers gebruikten kunstmatige intelligentie om een robotarm te bedienen die een efficiëntere manier biedt om dozen in te pakken, waardoor bedrijven tijd en geld kunnen besparen Kunstmatige intelligentie.

“We kunnen goedkope, geautomatiseerde oplossingen bereiken die gemakkelijk kunnen worden geïmplementeerd. De sleutel is om minimale maar effectieve hardware-keuzes te maken en ons te concentreren op robuuste algoritmen en software,” zei senior auteur Kostas Bekris, een universitair hoofddocent aan het Department of Computer Wetenschap aan de School of Arts and Sciences aan Rutgers University-New Brunswick.

Bekris, Abdeslam Boularias en Jingjin Yu, beiden universitair docent informatica, vormden een team om op een geïntegreerde manier om te gaan met meerdere aspecten van het robotverpakkingsprobleem via hardware, 3D-perceptie en robuuste beweging.

Het peer-reviewed onderzoek van de wetenschappers werd onlangs gepubliceerd op de IEEE International Conference on Robotics and Automation, waar het een finalist was voor de Best Paper Award in Automation. Het onderzoek valt samen met de groeiende trend van het inzetten van robots voor het uitvoeren van logistieke, retail- en magazijntaken. De vooruitgang in robotica versnelt in een ongekend tempo dankzij machine learning-algoritmen die continue experimenten mogelijk maken.

Deze YouTube-video toont een Kuka-robotarm die voorwerpen stevig uit een bak in een verzendbesteldoos verpakt (vijf keer de werkelijke snelheid).

Het automatiseren van dergelijke taken is belangrijk voor het concurrentievermogen van bedrijven en stelt mensen in staat zich te concentreren op minder belastend en fysiek belastend werk, volgens het wetenschappelijke team van Rutgers.

Het onderzoek van Rutgers was gericht op het plaatsen van voorwerpen uit een afvalcontainer in een kleine verzenddoos en deze strak in te delen. Dit is een moeilijkere taak voor een robot vergeleken met het gewoon oppakken van een object en het in een doos laten vallen.

De onderzoekers ontwikkelden software en algoritmen voor hun robotarm. Ze gebruikten visuele gegevens en een eenvoudige zuignap, die ook dienst doet als een vinger voor het duwen van objecten. Het resulterende systeem kan objecten omvallen om een gewenst oppervlak te krijgen om ze te grijpen. Bovendien gebruikt het sensorgegevens om objecten naar een doelgebied te trekken en objecten samen te duwen. Tijdens deze bewerkingen maakt het gebruik van realtime monitoring om mogelijke storingen te detecteren en te voorkomen.

Omdat het onderzoek zich richtte op het verpakken van kubusvormige objecten, zou een volgende stap zijn om het verpakken van objecten in verschillende vormen en maten te verkennen. Een andere stap zou zijn om automatisch leren door het robotsysteem te verkennen nadat het een specifieke taak heeft gekregen.

admin

Leave a Reply

Your email address will not be published. Required fields are marked *