Universal Robots เปิดตัว UR AI Trainer สำหรับการฝึกหุ่นยนต์ด้วย AI

Universal Robots เปิดตัว UR AI Trainer ระบบใหม่ที่ออกแบบมาเพื่อเร่งการฝึกหุ่นยนต์ด้วย AI สำหรับระบบอัตโนมัติในภาคอุตสาหกรรม แพลตฟอร์มนี้เปิดตัวครั้งแรกในงาน NVIDIA GTC และถือเป็นการเปลี่ยนผ่านจากกระบวนการทำงานของหุ่นยนต์ที่ตั้งโปรแกรมไว้ล่วงหน้าไปสู่เวิร์กโฟลว์การเคลื่อนไหวที่พัฒนาด้วย AI โซลูชันนี้พัฒนาร่วมกับ Scale AI โดยมุ่งเน้นการเก็บข้อมูลการเคลื่อนไหวและการโต้ตอบในโลกจริงสำหรับการประยุกต์ใช้ด้านหุ่นยนต์

Universal Robots เปิดตัว UR AI Trainer ในงาน NVIDIA GTC ภาพโดย Universal Robots

เชื่อมช่องว่างระหว่างการฝึกในห้องปฏิบัติการกับการใช้งานในโรงงาน

การฝึกหุ่นยนต์ด้วย AI มักประสบปัญหาเมื่อต้องเปลี่ยนจากการจำลองในห้องปฏิบัติการไปสู่สภาพแวดล้อมการผลิตจริง ข้อมูลการฝึกที่สร้างขึ้นในสภาพแวดล้อมที่ควบคุมได้อาจไม่สะท้อนความแปรผันทางกล พฤติกรรมของวัตถุ หรือสภาวะการผลิตในโลกจริง ด้วยเหตุนี้ หุ่นยนต์ที่ฝึกจากการจำลองจึงมักต้องปรับแต่งเพิ่มเติมก่อนนำไปใช้งาน

แนวทางการฝึกแบบดั้งเดิมยังพึ่งพาชุดข้อมูลภาพเป็นหลัก ข้อมูลที่มีเฉพาะภาพไม่สามารถเก็บข้อมูลป้อนกลับของแรงบิด แรงสัมผัส หรือแรงต้านของวัสดุได้ ข้อจำกัดเหล่านี้ลดประสิทธิภาพในงานต่าง ๆ เช่น การประกอบ การสอดใส่ และการหยิบจับแบบทำงานร่วมกับมนุษย์

การควบคุมแรงบิดโดยตรงช่วยเพิ่มการเรียนรู้ที่รับรู้แรง

UR AI Trainer ผสานการควบคุมแรงบิดโดยตรงและข้อมูลป้อนกลับด้านแรงเข้ากับกระบวนการฝึก ทำให้หุ่นยนต์เรียนรู้ได้ทั้งเส้นทางการเคลื่อนไหวและลักษณะการโต้ตอบทางกายภาพ ระหว่างการฝึก ระบบจะบันทึกแรงบิด แรงจับ และพฤติกรรมขณะสัมผัส เพื่อสร้างชุดข้อมูลที่สมจริงยิ่งขึ้น

การผสานข้อมูลภาพเข้ากับข้อมูลป้อนกลับทางกลช่วยให้หุ่นยนต์เรียนรู้ว่างานต่าง ๆ ควรให้ความรู้สึกอย่างไรขณะปฏิบัติงาน ซึ่งช่วยเพิ่มประสิทธิภาพในงานที่ต้องอาศัยการเคลื่อนไหวแบบปรับเปลี่ยนได้ การทำงานร่วมกับมนุษย์ และการหยิบจับอย่างแม่นยำ

การควบคุมแรงบิดโดยตรงช่วยให้หุ่นยนต์เรียนรู้ข้อมูลป้อนกลับด้านแรง ทำให้การฝึกด้วย AI มีความแม่นยำยิ่งขึ้น ภาพโดย Universal Robots

หุ่นยนต์ผู้นำเก็บข้อมูลการเคลื่อนไหวและการโต้ตอบ

UR AI Trainer ใช้รูปแบบการฝึกแบบผู้นำและผู้ตาม ผู้ปฏิบัติงานจะควบคุมหุ่นยนต์ผู้นำให้ทำลำดับงาน ขณะที่ระบบบันทึกข้อมูลการเคลื่อนไหว แรง และภาพ ข้อมูลที่รวบรวมได้จะนำมาจัดทำเป็นชุดข้อมูล Vision-Language-Action สำหรับฝึกหุ่นยนต์เพิ่มเติม

จากนั้นหุ่นยนต์ผู้ตามสามารถทำซ้ำการเคลื่อนไหวที่เรียนรู้ได้โดยไม่ต้องเขียนโปรแกรมด้วยตนเอง วิธีนี้ช่วยลดเวลาในการทำงานด้านวิศวกรรมและเพิ่มความสม่ำเสมอระหว่างเซลล์หุ่นยนต์ อีกทั้งยังรองรับการติดตั้งใช้งานที่รวดเร็วยิ่งขึ้นในระบบอัตโนมัติที่มีหุ่นยนต์หลายตัว

การเขียนโปรแกรมหุ่นยนต์ด้วย AI สำหรับระบบอัตโนมัติในภาคอุตสาหกรรม

UR AI Trainer ถือเป็นก้าวหนึ่งสู่การฝึกแบบเครื่องจักรต่อเครื่องจักรในหุ่นยนต์อุตสาหกรรม โมเดล AI สามารถปรับเส้นทางการเคลื่อนไหวให้เหมาะสม รักษาสมดุลระหว่างความเร็วกับความแม่นยำ และปรับตัวตามสภาพแวดล้อมการผลิตที่เปลี่ยนแปลงได้ ช่วยลดการพึ่งพาการเขียนโปรแกรมด้วยทีชแพนเดนต์แบบแมนนวลและทำให้การเริ่มใช้งานง่ายขึ้น

การประมวลผลส่วนใหญ่ทำงานบนแพลตฟอร์มประมวลผล AI ภายนอก แทนที่จะทำงานบนคอนโทรลเลอร์ของหุ่นยนต์ สถาปัตยกรรมนี้ช่วยให้รองรับความสามารถ AI ขั้นสูงโดยไม่เพิ่มความซับซ้อนของฮาร์ดแวร์ และรองรับการติดตั้งใช้งานในหลายระบบอัตโนมัติได้อย่างยืดหยุ่น

การประยุกต์ใช้ในระบบอัตโนมัติภาคอุตสาหกรรม

UR AI Trainer รองรับงานระบบอัตโนมัติสำหรับการประกอบ การดูแลเครื่องจักร และการขนถ่ายวัสดุ โดยเหมาะเป็นพิเศษกับงานที่ต้องควบคุมโดยรับรู้แรง เช่น การสอดใส่ การขัดเงา และการบรรจุหีบห่อ สภาพแวดล้อมการทำงานร่วมกับหุ่นยนต์ยังได้รับประโยชน์จากความสามารถด้านการเคลื่อนไหวที่ชาญฉลาดขึ้นและการโต้ตอบแบบปรับเปลี่ยนได้

เกี่ยวกับผู้เขียน

Lin Haoyu นำเสนอเนื้อหาเกี่ยวกับระบบอัตโนมัติในภาคอุตสาหกรรม หุ่นยนต์ และเทคโนโลยีการผลิตที่ขับเคลื่อนด้วย AI