Universal Robots wprowadziła UR AI Trainer, nowy system zaprojektowany w celu przyspieszenia treningu robotów opartego na sztucznej inteligencji na potrzeby automatyzacji przemysłowej. Platforma została zaprezentowana podczas NVIDIA GTC i oznacza odejście od wstępnie zaprogramowanych procedur robotów na rzecz opracowywanych przez AI schematów ruchu. Rozwiązanie, stworzone we współpracy z Scale AI, koncentruje się na rejestrowaniu rzeczywistych danych dotyczących ruchu i interakcji na potrzeby zastosowań robotycznych.

Universal Robots prezentuje UR AI Trainer podczas NVIDIA GTC. Zdjęcie udostępnione przez Universal Robots.

Łączenie treningu laboratoryjnego z wdrożeniem w fabryce

Trening robotów oparty na sztucznej inteligencji często napotyka trudności przy przejściu z symulacji laboratoryjnych do rzeczywistych środowisk produkcyjnych. Dane treningowe generowane w kontrolowanych warunkach mogą nie odzwierciedlać rzeczywistych różnic mechanicznych, zachowania obiektów ani warunków produkcji. W rezultacie roboty wytrenowane w symulacji często wymagają dodatkowego dostrajania przed wdrożeniem.

Tradycyjne metody treningu opierają się również głównie na zbiorach danych wizualnych. Dane wyłącznie wizualne nie pozwalają rejestrować informacji zwrotnych dotyczących momentu obrotowego, sił kontaktu ani oporu materiału. Ograniczenia te obniżają wydajność w zastosowaniach takich jak montaż, wciskanie elementów i obsługa współpracująca.

Bezpośrednie sterowanie momentem obrotowym umożliwia naukę z uwzględnieniem siły

UR AI Trainer integruje bezpośrednie sterowanie momentem obrotowym oraz informacje zwrotne o sile z procesem treningu. Dzięki temu roboty mogą uczyć się zarówno ścieżek ruchu, jak i charakterystyki interakcji fizycznych. Podczas treningu system rejestruje moment obrotowy, siłę chwytu i zachowanie podczas kontaktu, tworząc bardziej realistyczne zbiory danych.

Łącząc informacje wizualne z informacjami zwrotnymi pochodzącymi z układów mechanicznych, roboty uczą się, jak powinny odczuwać wykonywanie zadań. Poprawia to wydajność w zastosowaniach wymagających adaptacyjnego ruchu, współpracy z człowiekiem i precyzyjnej obsługi.

Bezpośrednie sterowanie momentem obrotowym pozwala robotom uczyć się informacji zwrotnych o sile, umożliwiając dokładniejszy trening oparty na sztucznej inteligencji. Zdjęcie udostępnione przez Universal Robots.

Robot lider rejestruje dane dotyczące ruchu i interakcji

UR AI Trainer wykorzystuje model treningu lider–naśladowca. Operator prowadzi robota lidera przez sekwencję zadań, a system rejestruje informacje dotyczące ruchu, siły i obrazu. Zebrane dane są łączone w zbiór danych Vision-Language-Action służący do trenowania kolejnych robotów.

Roboty naśladowcze mogą następnie odtwarzać wyuczone działania bez ręcznego programowania. Skraca to czas pracy inżynierów i poprawia spójność między stanowiskami zrobotyzowanymi. Podejście to umożliwia również szybsze wdrażanie systemów automatyzacji obejmujących wiele robotów.

Programowanie robotów na potrzeby automatyzacji przemysłowej z wykorzystaniem AI

UR AI Trainer stanowi krok w kierunku uczenia maszynowego robotów przemysłowych. Modele AI mogą optymalizować ścieżki ruchu, równoważyć szybkość i dokładność oraz dostosowywać się do zmieniających się warunków produkcji. Ogranicza to zależność od ręcznego programowania za pomocą panelu operatorskiego i upraszcza uruchamianie systemów.

Większość przetwarzania odbywa się na zewnętrznych platformach obliczeniowych AI, a nie w sterownikach robotów. Taka architektura umożliwia korzystanie z zaawansowanych funkcji AI bez zwiększania złożoności sprzętowej oraz wspiera skalowalne wdrażanie w wielu systemach automatyzacji.

Zastosowania w automatyzacji przemysłowej

UR AI Trainer obsługuje automatyzację montażu, obsługę maszyn i transport materiałów. Szczególnie dobrze sprawdza się w zadaniach wymagających sterowania z uwzględnieniem siły, takich jak wciskanie elementów, polerowanie i pakowanie. Środowiska pracy z robotami współpracującymi również zyskują dzięki lepszej inteligencji ruchu i adaptacyjnej interakcji.

O autorze

Lin Haoyu zajmuje się automatyką przemysłową, robotyką i technologiami produkcyjnymi opartymi na sztucznej inteligencji.