DTResearch
event
 

AI让机器人自主学习复杂编程 减轻工程师压力

 
工厂导入机器手臂意在降低对人力的依赖,精简制造流程以提升生产效率,然而过去制造业者在机器手臂正式上线以前需对其加以训练与调教,透过详细的编程定义每个动作,但这段过程往往因为复杂的技术以及耗时长而让刚开始导入自动化的使用者忘之却步,但受惠于人工智能发展,有机器手臂业者也瞄准这个痛点,透过AI要让训练机器人变得更容易。

目前机器手臂主要集成的感测技术主要以视觉为大宗,现在3D视觉除了可测量物体三维座标信息,协助机器手臂以更精准的相对位置执行如抓取的动作之外,对于编程复杂且耗时的3D路径也格外受用。例如制鞋有各种款式、水五金工件的外形复杂且多曲面设计,如果透过编程可能产生好几百种路径。3D视觉厂商所罗门则指出,业者可先利用3D视觉捕捉物体成像后透过算法快速运算鞋子的轮廓,自动产生路径让机器手臂进行黏接、加工或其它应用。

机器视觉为机器人加上眼睛,如加上AI,就等于有了眼睛与大脑。所罗门董事长陈政隆指出,AI是机器人能够快速进化的工具。过去被公认具有挑战性的项目则是机器人随机取放,机器手臂要在三维空间中学会辨识物件、正确拣选抓取是件旷日费时的工作,尤其还要在混置不同工件的条件下,仍正确辨识而决定是否夹取。

然而透过3D视觉,机器手臂除了可辨识不同工件的类型外,经由深度学习机器手臂也可自主判断该用何种角度才能正确夹起零件,约莫2小时就可完成单一物件的教导。而象是工研院则是透过导入新工件的CAD模型,让机器手臂在软件模拟环境中透过每次不同角度与力道的尝试夹取,在判断有效或无效的状态下,逐步累积正确的夹取方式,以达到正确夹取方式的自主学习。

而在今年汉诺威工业展中也看到不少厂商将AI与机器手臂结合的应用案例。例如西门子展示机器手臂透过机器学习,不论零件在何处、形状如何等变因条件下,机器手臂都能快速找到零件。FESTO的仿生机器手臂则能模仿人类在传感器前做出「剪刀、石头、布」等各类手势,而机器手臂透过AI自主学习也能实时根据逻辑做出手势赢得游戏。

  •     按赞加入DIGITIMES智能应用粉丝团