Laatste nieuws:

, 28 juni 2018 13:46

Nieuwe methode helpt robots objecten op te pakken in ongestructureerde omgevingen (video)

Het oppakken van een object is voor een mens een koud kunstje, maar voor robots al snel een grote uitdaging. Met name als objecten in een drukke of dynamische omgeving staan kunnen robots moeite hebben objecten correct te identificeren en op te pakken. Een nieuwe aanpak ontwikkeld door de Australische Queensland University of Technology biedt uitkomst.


<iframe width="560" height="315" src="https://www.youtube.com/embed/RLoPx8T6WjQ" frameborder="0" allow="autoplay; encrypted-media" allowfullscreen></iframe>'
<iframe width="560" height="315" src="https://www.youtube.com/embed/RLoPx8T6WjQ" frameborder="0" allow="autoplay; encrypted-media" allowfullscreen></iframe>
1/1
De nieuwe aanpak stelt robots in staat hun omgeving in korte tijd te scannen en gedetailleerd pixel voor pixel in kaart te brengen. Voor ieder pixel wordt in kaart gebracht hoe groot de kans is dat de robot het object op deze plek kan oppakken. Dit stelt robots in staat in real-time te bepalen hoe een onbekend object in een drukke en/of dynamische het best kan worden opgepakt. 

'Pixel voor pixel beoordelen'

De nieuwe methode is ontwikkeld door onderzoeker Douglas Morrison in samenwerking met Dr. Jürgen Leitner en hoogleraar Peter Corke van de Science and Engineering faculteit van de Queensland University of Technology. Morrison legt uit "De Generative Grasping Convolutional Neural Network aanpak werkt door de kwaliteit en positie van een tweevingerige vastgrijppoging voor iedere pixel te beoordelen. Door in kaart te brengen wat zich voor de robot bevindt met behulp van een dieptebeeld dat in één keer wordt gemaakt, hoeft de robot niet langer meerdere mogelijke oppakmanieren te analyseren voordat een beslissing wordt genomen, wat lange rekentijden voorkomt", legt Morrison uit. 

Het aanpak blijkt robots in de praktijk in staat te stellen onbekende objecten met een relatief grote zekerheid succesvol op te pakken. "In onze praktijktesten hebben we een succesratio van 83% gerealiseerd met niet eerder getoonde objecten met een conflictueuze geometrie en 88% op een reeks huishoudelijke objecten die gedurende de oppakpoging werden verplaatst. Met het oppakken van objecten in een dynamische omgeving hebben we een nauwkeurigheid van 81% behaald", aldus Morrison. 

Beperkingen van huidige technieken

Dr. Leitner geeft aan dat de nieuwe aanpak verschillende beperkingen van huidige deep learning-gebaseerde oppaktechnieken voor robots kan overwinnen. "In bijvoorbeeld de Amazon Picking Challenge, die in 2017 door ons team werd gewonnen, keek onze robot CartMan in een bak vol objecten, bepaalde de beste positie om een object op te pakken en probeerde vervolgens blind het object op te pakken", aldus Dr. Leitner. "Met behulp van deze nieuwe methode kunnen we beelden van de objecten die een robot kan zien in ongeveer 20 milliseconden  verwerken, wat de robot in staat stelt zijn beslissing over de beste methode om een object op te pakken kan updaten en deze handeling doelmatiger uit te voeren. Dit is met name van belang in drukke omgevingen."

Hij verwacht dat de ontwikkeling kansen biedt voor industriële automatisering. "Dit onderzoek stelt ons in staat robotsystemen niet alleen in gestructureerde omgevingen te gebruiken waar de volledig fabriek is gebouwd rond robots. Het geeft ons de mogelijkheid objecten op te pakken in ongestructureerde omgevingen, waarin dingen niet perfect gepland en geordend zijn en robots zich moeten aanpassen aan veranderingen", aldus dr. Leitner. "Dit biedt voordelen voor de industrie - van magazijnen voor webwinkels en sorteren tot het plukken van fruit. Het kan ook worden toegepast in woningen, naarmate intelligentere robots worden ontwikkeld die niet alleen de vloer zuigen of dweilen maar ook objecten kunnen oppakken en opbergen."

Reacties

Er zijn nog geen reacties op dit artikel.

Hier kunt u een reactie plaatsen bij het bericht .
Uw e-mailadres zal niet op de website worden getoond.
Uw naam *
Uw E-mail *
Uw bericht *
  robot check
Vul de code van bovenstaand plaatje in.

Van onze partners meer (5)...

Rotero Holland bv

EUCHNER (Benelux) BV

Bege Aandrijftechniek BV

B&R Industriele Automatisering BV

Perfection in Automation  

DIS Sensors

Vacatures

ab op Twitter

TwitterlogoVolg ab nu ook op Twitter!

Onze accountnaam is: @aenb

Agenda meer (7)

11 september 2018 -
Actuele trends in machineveiligheid met Elektriek-Pnuematiek_Hydrauliek
18 september 2018 - Hardenberg
TIV
24 september 2018 -
Week van de middelgrote en kleine industrie
2 oktober 2018 - Utrecht, Jaarbeurs
World of Technology & Science 2018
9 oktober 2018 -
Industrial Heat & Power
13 november 2018 - München
Electronica 2018
28 november 2018 - De Reehorst in Ede
ATEX Event: mechanische apparatuur als potentiële ontstekingsbron

Geen nieuws meer missen?

Meldt u dan direct aan voor de gratis ab nieuwsbrief.

 

Knop nieuwsbriefMet de gratis ab nieuwsbrief wordt u wekelijks op de hoogte gehouden over het aandrijven en besturen nieuws. U ontvangt wekelijks het laatste nieuws en elke maand een themanieuwsbrief.

 

Direct aanmelden