Universal Robots lance UR AI Trainer pour la formation de robots basée sur l’IA

Universal Robots a présenté l’UR AI Trainer, un nouveau système conçu pour accélérer l’entraînement de robots basé sur l’IA dans l’automatisation industrielle. La plateforme a été dévoilée lors de NVIDIA GTC et marque un passage des routines robotiques préprogrammées à des flux de mouvements développés par l’IA. Développée en collaboration avec Scale AI, la solution se concentre sur la capture de données réelles de mouvements et d’interactions pour les applications robotiques.

Universal Robots dévoilant l’UR AI Trainer lors de NVIDIA GTC. Image fournie par Universal Robots.

Combler l’écart entre l’entraînement en laboratoire et le déploiement en usine

L’entraînement de robots basé sur l’IA rencontre souvent des difficultés lors du passage des simulations en laboratoire aux environnements de fabrication réels. Les données d’entraînement générées dans des conditions contrôlées peuvent ne pas refléter les variations mécaniques réelles, le comportement des objets ou les conditions de production. Par conséquent, les robots entraînés en simulation nécessitent souvent un réglage supplémentaire avant leur déploiement.

Les approches d’entraînement traditionnelles reposent également principalement sur des jeux de données visuelles. Les données exclusivement visuelles ne peuvent pas capturer le retour de couple, les forces de contact ou la résistance des matériaux. Ces limites réduisent les performances dans des applications telles que l’assemblage, l’insertion et la manipulation collaborative.

Le contrôle direct du couple permet un apprentissage sensible aux forces

L’UR AI Trainer intègre le contrôle direct du couple et le retour de force au processus d’entraînement. Cela permet aux robots d’apprendre à la fois les trajectoires de mouvement et les caractéristiques des interactions physiques. Pendant l’entraînement, le système enregistre le couple, la force de préhension et le comportement au contact afin de constituer des jeux de données plus réalistes.

En combinant les informations visuelles et le retour mécanique, les robots apprennent les sensations associées à l’exécution des tâches. Cela améliore les performances dans les applications nécessitant des mouvements adaptatifs, une collaboration avec les humains et une manipulation de précision.

Le contrôle direct du couple permet aux robots d’apprendre le retour de force, ce qui rend l’entraînement basé sur l’IA plus précis. Image fournie par Universal Robots.

Le robot leader capture les données de mouvement et d’interaction

L’UR AI Trainer utilise un modèle d’entraînement leader-suiveur. Un opérateur guide un robot leader à travers une séquence de tâches tandis que le système enregistre les informations relatives aux mouvements, aux forces et à la vision. Les données collectées sont compilées dans un jeu de données Vision-Language-Action destiné à l’entraînement d’autres robots.

Les robots suiveurs peuvent ensuite reproduire les actions apprises sans programmation manuelle. Cela réduit le temps d’ingénierie et améliore la cohérence entre les cellules robotisées. Cette approche permet également un déploiement plus rapide dans les systèmes d’automatisation multi-robots.

Programmation robotique pilotée par l’IA pour l’automatisation industrielle

L’UR AI Trainer représente une étape vers l’entraînement de machine à machine dans la robotique industrielle. Les modèles d’IA peuvent optimiser les trajectoires, équilibrer vitesse et précision et s’adapter à l’évolution des environnements de production. Cela réduit la dépendance à la programmation manuelle via le pendant d’apprentissage et simplifie la mise en service.

La plupart des traitements s’exécutent sur des plateformes informatiques d’IA externes plutôt que sur les contrôleurs des robots. Cette architecture permet de bénéficier de capacités avancées d’IA sans accroître la complexité matérielle et favorise un déploiement évolutif sur plusieurs systèmes d’automatisation.

Applications dans l’automatisation industrielle

L’UR AI Trainer prend en charge l’automatisation de l’assemblage, l’alimentation de machines et la manutention. Il est particulièrement adapté aux tâches nécessitant un contrôle sensible aux forces, telles que l’insertion, le polissage et l’emballage. Les environnements équipés de robots collaboratifs bénéficient également d’une intelligence de mouvement améliorée et d’interactions adaptatives.

À propos de l’auteur

Lin Haoyu couvre l’automatisation industrielle, la robotique et les technologies de fabrication pilotées par l’IA.