Universal Robots ha presentato UR AI Trainer, un nuovo sistema progettato per accelerare l’addestramento dei robot basato sull’IA per l’automazione industriale. La piattaforma è stata presentata alla NVIDIA GTC e segna il passaggio dalle routine robotiche preprogrammate ai flussi di lavoro dei movimenti sviluppati dall’IA. Sviluppata in collaborazione con Scale AI, la soluzione si concentra sulla raccolta di dati di movimento e interazione nel mondo reale per le applicazioni di robotica.

Universal Robots presenta UR AI Trainer alla NVIDIA GTC. Immagine per gentile concessione di Universal Robots.

Colmare il divario tra l’addestramento in laboratorio e l’impiego in fabbrica

L’addestramento dei robot basato sull’IA incontra spesso difficoltà nel passaggio dalle simulazioni di laboratorio ai reali ambienti produttivi. I dati di addestramento generati in contesti controllati potrebbero non riflettere le variazioni meccaniche del mondo reale, il comportamento degli oggetti o le condizioni di produzione. Di conseguenza, i robot addestrati nella simulazione richiedono spesso ulteriori regolazioni prima dell’impiego.

Gli approcci tradizionali all’addestramento si basano inoltre principalmente su dataset visivi. I soli dati visivi non sono in grado di rilevare il feedback della coppia, le forze di contatto o la resistenza dei materiali. Questi limiti riducono le prestazioni in applicazioni come l’assemblaggio, l’inserimento e la movimentazione collaborativa.

Il controllo diretto della coppia aggiunge un apprendimento sensibile alla forza

UR AI Trainer integra il controllo diretto della coppia e il feedback della forza nel processo di addestramento. Ciò consente ai robot di apprendere sia i percorsi di movimento sia le caratteristiche dell’interazione fisica. Durante l’addestramento, il sistema registra la coppia, la forza di presa e il comportamento al contatto per creare dataset più realistici.

Combinando le informazioni visive con il feedback meccanico, i robot imparano come dovrebbero essere percepiti i compiti durante l’esecuzione. Questo migliora le prestazioni nelle applicazioni che richiedono movimenti adattivi, collaborazione con l’uomo e movimentazione di precisione.

Il controllo diretto della coppia consente ai robot di apprendere il feedback della forza, permettendo un addestramento basato sull’IA più preciso. Immagine per gentile concessione di Universal Robots.

Il robot leader raccoglie dati di movimento e interazione

UR AI Trainer utilizza un modello di addestramento leader-seguace. Un operatore guida un robot leader attraverso una sequenza di attività, mentre il sistema registra informazioni sul movimento, sulla forza e sulla visione. I dati raccolti vengono riuniti in un dataset Vision-Language-Action per addestrare altri robot.

I robot seguaci possono quindi replicare le azioni apprese senza programmazione manuale. Questo riduce i tempi di progettazione e migliora la coerenza tra le celle robotiche. L’approccio supporta inoltre un’implementazione più rapida nei sistemi di automazione con più robot.

Programmazione dei robot basata sull’IA per l’automazione industriale

UR AI Trainer rappresenta un passo verso l’addestramento da macchina a macchina nella robotica industriale. I modelli di IA possono ottimizzare i percorsi di movimento, bilanciare velocità e precisione e adattarsi ai cambiamenti degli ambienti produttivi. Ciò riduce la dipendenza dalla programmazione manuale tramite pendant di insegnamento e semplifica la messa in servizio.

La maggior parte dell’elaborazione viene eseguita su piattaforme esterne di calcolo per l’IA anziché sui controller dei robot. Questa architettura consente funzionalità avanzate di IA senza aumentare la complessità hardware e supporta un’implementazione scalabile su più sistemi di automazione.

Applicazioni dell’automazione industriale

UR AI Trainer supporta l’automazione dell’assemblaggio, l’asservimento di macchine e la movimentazione dei materiali. È particolarmente adatto alle attività che richiedono un controllo sensibile alla forza, come l’inserimento, la lucidatura e il confezionamento. Anche gli ambienti con robot collaborativi beneficiano di una maggiore intelligenza dei movimenti e di un’interazione adattiva.

Informazioni sull’autore

Lin Haoyu si occupa di automazione industriale, robotica e tecnologie manifatturiere basate sull’IA.