Universal Robots, yapay zekâ tabanlı robot eğitimi için UR AI Trainer’ı piyasaya sürüyor

Universal Robots, endüstriyel otomasyon için yapay zekâ tabanlı robot eğitimini hızlandırmak üzere tasarlanan yeni bir sistem olan UR AI Trainer’ı tanıttı. Platform, NVIDIA GTC’de görücüye çıktı ve önceden programlanmış robot rutinlerinden yapay zekâ tarafından geliştirilen hareket iş akışlarına geçişi temsil ediyor. Scale AI iş birliğiyle geliştirilen çözüm, robotik uygulamalar için gerçek dünyadaki hareket ve etkileşim verilerinin toplanmasına odaklanıyor.

Universal Robots, NVIDIA GTC’de UR AI Trainer’ı tanıtıyor. Görsel Universal Robots’un izniyle kullanılmıştır.

Laboratuvar Eğitimleri ile Fabrika Uygulamaları Arasındaki Boşluğu Kapatmak

Yapay zekâ tabanlı robot eğitimi, laboratuvar simülasyonlarından gerçek üretim ortamlarına geçişte çoğu zaman zorluk yaşar. Kontrollü ortamlarda oluşturulan eğitim verileri, gerçek dünyadaki mekanik farklılıkları, nesnelerin davranışlarını veya üretim koşullarını yansıtmayabilir. Bunun sonucunda simülasyonda eğitilen robotlar, kullanıma alınmadan önce genellikle ek ayar gerektirir.

Geleneksel eğitim yaklaşımları da ağırlıklı olarak görsel veri kümelerine dayanır. Yalnızca görsel veriler tork geri bildirimini, temas kuvvetlerini veya malzeme direncini yakalayamaz. Bu sınırlamalar montaj, yerleştirme ve iş birliğine dayalı taşıma gibi uygulamalarda performansı düşürür.

Doğrudan Tork Kontrolü Kuvvet Farkındalığına Dayalı Öğrenme Sağlıyor

UR AI Trainer, Doğrudan Tork Kontrolünü ve kuvvet geri bildirimini eğitim sürecine entegre ediyor. Bu sayede robotlar hem hareket yollarını hem de fiziksel etkileşim özelliklerini öğrenebiliyor. Sistem, eğitim sırasında daha gerçekçi veri kümeleri oluşturmak için torku, kavrama kuvvetini ve temas davranışını kaydediyor.

Robotlar görsel bilgileri mekanik geri bildirimle birleştirerek görevlerin gerçekleştirilirken nasıl hissedilmesi gerektiğini öğreniyor. Bu, uyarlanabilir hareket, insanlarla iş birliği ve hassas taşıma gerektiren uygulamalardaki performansı artırıyor.

Doğrudan Tork Kontrolü, robotların kuvvet geri bildirimini öğrenmesini sağlayarak yapay zekâ tabanlı eğitimin daha doğru olmasına imkân tanıyor. Görsel Universal Robots’un izniyle kullanılmıştır.

Öncü Robot Hareket ve Etkileşim Verilerini Topluyor

UR AI Trainer, öncü-izleyici robot eğitim modeli kullanıyor. Bir operatör, öncü robota bir dizi görev boyunca rehberlik ederken sistem hareket, kuvvet ve görsel bilgileri kaydediyor. Toplanan veriler, ek robotları eğitmek için bir Görsel-Dil-Eylem veri kümesinde bir araya getiriliyor.

İzleyici robotlar daha sonra öğrenilen eylemleri manuel programlama olmadan tekrarlayabiliyor. Bu, mühendislik süresini azaltıyor ve robot hücreleri arasındaki tutarlılığı artırıyor. Yaklaşım, çok robotlu otomasyon sistemlerinde daha hızlı devreye almayı da destekliyor.

Endüstriyel Otomasyon için Yapay Zekâ Destekli Robot Programlama

UR AI Trainer, endüstriyel robotikte makineden makineye eğitime doğru atılmış bir adımı temsil ediyor. Yapay zekâ modelleri hareket yollarını optimize edebilir, hız ve doğruluk arasında denge kurabilir ve değişen üretim ortamlarına uyum sağlayabilir. Bu, manuel kumanda paneli programlamasına olan bağımlılığı azaltır ve devreye alma sürecini kolaylaştırır.

İşlemlerin çoğu robot kontrolörleri yerine harici yapay zekâ bilgi işlem platformlarında yürütülür. Bu mimari, donanım karmaşıklığını artırmadan gelişmiş yapay zekâ yetenekleri sunar ve birden fazla otomasyon sistemi genelinde ölçeklenebilir kullanımı destekler.

Endüstriyel Otomasyon Uygulamaları

UR AI Trainer; montaj otomasyonunu, makine beslemeyi ve malzeme taşımayı destekliyor. Özellikle yerleştirme, parlatma ve paketleme gibi kuvvet farkındalığına dayalı kontrol gerektiren görevler için uygundur. İş birliğine dayalı robot ortamları da gelişmiş hareket zekâsından ve uyarlanabilir etkileşimden yararlanır.

Yazar Hakkında

Lin Haoyu; endüstriyel otomasyon, robotik ve yapay zekâ destekli üretim teknolojileri hakkında yazıyor.