Universal Robots uvádí UR AI Trainer pro trénování robotů pomocí umělé inteligence

Společnost Universal Robots představila UR AI Trainer, nový systém navržený k urychlení trénování robotů založeného na umělé inteligenci pro průmyslovou automatizaci. Platforma byla představena na konferenci NVIDIA GTC a představuje posun od předprogramovaných robotických rutin k pracovním postupům pohybu vyvíjeným umělou inteligencí. Řešení vyvinuté ve spolupráci se společností Scale AI se zaměřuje na zachycování dat o pohybu a interakci z reálného světa pro robotické aplikace.

Universal Robots představuje UR AI Trainer na konferenci NVIDIA GTC. Obrázek poskytla společnost Universal Robots.

Propojení laboratorního trénování s nasazením ve výrobě

Trénování robotů založené na umělé inteligenci často naráží na problémy při přechodu z laboratorních simulací do reálného výrobního prostředí. Trénovací data vytvořená v kontrolovaných podmínkách nemusí odrážet skutečné mechanické odchylky, chování objektů ani výrobní podmínky. Roboti natrénovaní v simulaci proto před nasazením často vyžadují další dolaďování.

Tradiční přístupy k trénování také spoléhají především na vizuální datové soubory. Data založená pouze na obrazu nedokážou zachytit zpětnou vazbu krouticího momentu, kontaktní síly ani odpor materiálu. Tato omezení snižují výkon v aplikacích, jako jsou montáž, zasouvání a kolaborativní manipulace.

Přímé řízení krouticího momentu přidává učení se zohledněním síly

UR AI Trainer integruje přímé řízení krouticího momentu a zpětnou vazbu síly do procesu trénování. Robotům to umožňuje učit se jak trajektorie pohybu, tak charakteristiky fyzické interakce. Během trénování systém zaznamenává krouticí moment, uchopovací sílu a chování při kontaktu, aby vytvořil realističtější datové soubory.

Kombinací vizuálních informací s mechanickou zpětnou vazbou se roboti učí, jak by měly úkoly při provádění působit. To zlepšuje výkon v aplikacích vyžadujících adaptivní pohyb, spolupráci s lidmi a přesnou manipulaci.

Přímé řízení krouticího momentu umožňuje robotům učit se ze zpětné vazby síly, což podporuje přesnější trénování založené na umělé inteligenci. Obrázek poskytla společnost Universal Robots.

Vedoucí robot zachycuje data o pohybu a interakci

UR AI Trainer využívá trénovací model s vedoucím a následujícím robotem. Operátor vede vedoucího robota posloupností úkolů, zatímco systém zaznamenává informace o pohybu, síle a obrazu. Shromážděná data se sestaví do datového souboru Vision-Language-Action pro trénování dalších robotů.

Následující roboti pak mohou naučené činnosti opakovat bez ručního programování. To zkracuje čas potřebný pro konstrukci a zvyšuje konzistenci mezi robotickými buňkami. Tento přístup také podporuje rychlejší nasazení v automatizačních systémech s více roboty.

Programování robotů pro průmyslovou automatizaci řízené umělou inteligencí

UR AI Trainer představuje krok směrem k trénování mezi stroji v průmyslové robotice. Modely umělé inteligence mohou optimalizovat trajektorie pohybu, vyvažovat rychlost a přesnost a přizpůsobovat se měnícímu výrobnímu prostředí. Tím se snižuje závislost na ručním programování pomocí výukového panelu a zjednodušuje uvádění do provozu.

Většina zpracování probíhá na externích platformách pro výpočty umělé inteligence, nikoli v řídicích jednotkách robotů. Tato architektura umožňuje pokročilé funkce umělé inteligence bez zvyšování hardwarové složitosti a podporuje škálovatelné nasazení napříč více automatizačními systémy.

Aplikace v průmyslové automatizaci

UR AI Trainer podporuje automatizaci montáže, obsluhu strojů a manipulaci s materiálem. Zvláště vhodný je pro úkoly vyžadující řízení se zohledněním síly, jako jsou zasouvání, leštění a balení. Z prostředí s kolaborativními roboty těží také díky lepší inteligenci pohybu a adaptivní interakci.

O autorovi

Lin Haoyu se věnuje průmyslové automatizaci, robotice a výrobním technologiím řízeným umělou inteligencí.