یونیورسال رباتز از UR AI Trainer برای آموزش ربات مبتنی بر هوش مصنوعی رونمایی کرد

شرکت Universal Robots سیستم جدیدی به نام UR AI Trainer را معرفی کرده است که برای تسریع آموزش ربات‌های مبتنی بر هوش مصنوعی در اتوماسیون صنعتی طراحی شده است. این پلتفرم در رویداد NVIDIA GTC رونمایی شد و نشان‌دهنده تغییر از روتین‌های برنامه‌ریزی‌شده قبلی ربات‌ها به جریان‌های کاری حرکتی توسعه‌یافته توسط هوش مصنوعی است. این راهکار که با همکاری Scale AI توسعه یافته، بر جمع‌آوری داده‌های حرکتی و تعاملی دنیای واقعی برای کاربردهای رباتیک تمرکز دارد.

رونمایی Universal Robots از UR AI Trainer در NVIDIA GTC. تصویر با اجازه Universal Robots.

پل زدن بین آموزش آزمایشگاهی و استقرار در کارخانه

آموزش ربات‌های مبتنی بر هوش مصنوعی اغلب هنگام انتقال از شبیه‌سازی‌های آزمایشگاهی به محیط‌های واقعی تولید با چالش مواجه می‌شود. داده‌های آموزشی تولید شده در محیط‌های کنترل‌شده ممکن است تغییرات مکانیکی واقعی، رفتار اشیاء یا شرایط تولید را منعکس نکند. در نتیجه، ربات‌هایی که در شبیه‌سازی آموزش دیده‌اند معمولاً قبل از استقرار نیاز به تنظیمات اضافی دارند.

روش‌های سنتی آموزش نیز عمدتاً به داده‌های تصویری متکی هستند. داده‌های صرفاً تصویری نمی‌توانند بازخورد گشتاور، نیروهای تماس یا مقاومت مواد را ثبت کنند. این محدودیت‌ها عملکرد را در کاربردهایی مانند مونتاژ، وارد کردن قطعات و همکاری مشترک کاهش می‌دهد.

کنترل مستقیم گشتاور، یادگیری آگاه به نیرو را اضافه می‌کند

UR AI Trainer کنترل مستقیم گشتاور و بازخورد نیرو را در فرآیند آموزش ادغام می‌کند. این امکان را به ربات‌ها می‌دهد تا هم مسیرهای حرکتی و هم ویژگی‌های تعامل فیزیکی را یاد بگیرند. در طول آموزش، سیستم گشتاور، نیروی گرفتن و رفتار تماس را ثبت می‌کند تا داده‌های واقعی‌تری بسازد.

با ترکیب اطلاعات بصری با بازخورد مکانیکی، ربات‌ها یاد می‌گیرند که انجام وظایف باید چه حسی داشته باشد. این امر عملکرد را در کاربردهایی که نیازمند حرکت تطبیقی، همکاری انسانی و کنترل دقیق هستند بهبود می‌بخشد.

کنترل مستقیم گشتاور به ربات‌ها امکان یادگیری بازخورد نیرو را می‌دهد و آموزش مبتنی بر هوش مصنوعی دقیق‌تری را ممکن می‌سازد. تصویر با اجازه Universal Robots.

ربات رهبر داده‌های حرکت و تعامل را ضبط می‌کند

UR AI Trainer از مدل آموزش رهبر-دنبال‌کننده استفاده می‌کند. یک اپراتور ربات رهبر را از طریق یک دنباله از وظایف هدایت می‌کند در حالی که سیستم حرکت، نیرو و اطلاعات بصری را ضبط می‌کند. داده‌های جمع‌آوری شده به یک مجموعه داده Vision-Language-Action برای آموزش ربات‌های دیگر تبدیل می‌شود.

ربات‌های دنبال‌کننده سپس می‌توانند بدون برنامه‌نویسی دستی، اقدامات یادگرفته شده را تکرار کنند. این امر زمان مهندسی را کاهش داده و ثبات را در سلول‌های رباتیک افزایش می‌دهد. این رویکرد همچنین از استقرار سریع‌تر در سیستم‌های اتوماسیون چند رباتی پشتیبانی می‌کند.

برنامه‌نویسی ربات مبتنی بر هوش مصنوعی برای اتوماسیون صنعتی

UR AI Trainer گامی به سوی آموزش ماشین به ماشین در رباتیک صنعتی است. مدل‌های هوش مصنوعی می‌توانند مسیرهای حرکتی را بهینه کنند، تعادل بین سرعت و دقت را برقرار سازند و به محیط‌های تولید در حال تغییر سازگار شوند. این امر وابستگی به برنامه‌نویسی دستی با teach pendant را کاهش داده و راه‌اندازی را ساده‌تر می‌کند.

اکثر پردازش‌ها روی پلتفرم‌های محاسباتی هوش مصنوعی خارجی اجرا می‌شود نه روی کنترلرهای ربات. این معماری قابلیت‌های پیشرفته هوش مصنوعی را بدون افزایش پیچیدگی سخت‌افزاری ممکن می‌سازد و از استقرار مقیاس‌پذیر در چندین سیستم اتوماسیون پشتیبانی می‌کند.

کاربردهای اتوماسیون صنعتی

UR AI Trainer از اتوماسیون مونتاژ، مراقبت از ماشین‌آلات و جابجایی مواد پشتیبانی می‌کند. این سیستم به‌ویژه برای وظایفی که نیازمند کنترل آگاه به نیرو هستند مانند وارد کردن قطعات، صیقل دادن و بسته‌بندی مناسب است. محیط‌های ربات‌های همکاری نیز از هوش حرکتی بهبود یافته و تعامل تطبیقی بهره‌مند می‌شوند.

درباره نویسنده

لین هاویو به پوشش موضوعات اتوماسیون صنعتی، رباتیک و فناوری‌های تولید مبتنی بر هوش مصنوعی می‌پردازد.