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 la formation des robots basée sur l’IA pour l’automatisation industrielle. La plateforme a été dévoilée lors du NVIDIA GTC et marque un passage des routines robotisées préprogrammées aux flux de travail de mouvement développés par l’IA. Développée en collaboration avec Scale AI, la solution se concentre sur la capture des données de mouvement et d’interaction réelles pour les applications robotiques.

Universal Robots dévoilant l’UR AI Trainer au NVIDIA GTC. Image reproduite avec l’aimable autorisation d’Universal Robots.

Combler le fossé entre la formation en laboratoire et le déploiement en usine

La formation des robots basée sur l’IA rencontre souvent des difficultés lors du passage des simulations en laboratoire aux environnements de production réels. Les données de formation générées dans des conditions contrôlées ne reflètent pas toujours la variation mécanique réelle, le comportement des objets ou les conditions de production. En conséquence, les robots formés en simulation nécessitent fréquemment des ajustements supplémentaires avant leur déploiement.

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

Le contrôle direct du couple ajoute un apprentissage sensible à la force

L’UR AI Trainer intègre le contrôle direct du couple et le retour de force dans le processus de formation. Cela permet aux robots d’apprendre à la fois les trajectoires de mouvement et les caractéristiques d’interaction physique. Pendant la formation, le système enregistre le couple, la force de préhension et le comportement de contact pour constituer des ensembles de données plus réalistes.

En combinant les informations visuelles avec le retour mécanique, les robots apprennent comment les tâches doivent se ressentir lors de leur exécution. Cela améliore les performances dans les applications nécessitant un mouvement adaptatif, la collaboration humaine et une manipulation précise.

Le contrôle direct du couple permet aux robots d’apprendre le retour de force, ce qui rend la formation basée sur l’IA plus précise. Image reproduite avec l’aimable autorisation d’Universal Robots.

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

L’UR AI Trainer utilise un modèle de formation leader-suiveur. Un opérateur guide un robot leader à travers une séquence de tâches pendant que le système enregistre les mouvements, les forces et les informations visuelles. Les données collectées sont compilées en un ensemble Vision-Langage-Action pour former 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 robotiques. 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 avancée vers la formation machine-à-machine en robotique industrielle. Les modèles d’IA peuvent optimiser les trajectoires de mouvement, équilibrer vitesse et précision, et s’adapter aux environnements de production changeants. Cela réduit la dépendance à la programmation manuelle via pendentif d’apprentissage et simplifie la mise en service.

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

Applications en automatisation industrielle

L’UR AI Trainer prend en charge l’automatisation de l’assemblage, la surveillance des machines et la manutention des matériaux. Il est particulièrement adapté aux tâches nécessitant un contrôle sensible à la force telles que l’insertion, le polissage et l’emballage. Les environnements de robots collaboratifs bénéficient également d’une meilleure intelligence de mouvement et d’une interaction adaptative.

À propos de l’auteur

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