Запуск компанией Universal Robots акселератора искусственного интеллекта на конференции ROSCon открыл нам новый мост в мир физического ИИ, но какую пользу это принесет нашей существующей клиентской базе и тем задачам, которые уже выполняют наши коллаборативные роботы?
Будущее программирования роботов
Искусственный интеллект призван произвести революцию в способе программирования роботов, перейдя от существующего построчного программирования движений и обработки ввода-вывода к управлению поведением более высокого уровня для успешного выполнения задач. Подходы, основанные на имитационном/подкрепляющем обучении, моделях действий на основе визуального языка и базовых моделях робототехники, являются многообещающими направлениями исследований в области адаптивного управления роботами. Это не только значительно упростит взаимодействие с роботами и управление ими, но и откроет решения для задач, которые в настоящее время очень сложны, таких как соединение гибких кабелей или работа с текстилем.
Внедрение ИИ в существующие приложения
Для рядового производителя, только начинающего осваивать коллаборативные роботы, вполне понятно, что им сложно понять, как они помогут в ближайшей перспективе. Именно на этом мы сосредоточились в рамках проекта AI Accelerator — объединении гибкости, которую обеспечивает современный ИИ, с более зрелыми парадигмами программирования, что приводит к созданию решения, способного обрабатывать изменения в рабочем пространстве и обеспечивать скорость и точность, ожидаемые промышленными заказчиками.
Такой подход открывает путь для тех производителей, которые все еще сомневаются в том, достигла ли технология искусственного интеллекта уровня зрелости, подходящего для интеграции в их процессы.
Глубокое обучение ИИ в области компьютерного зрения
Машинное зрение уже довольно широко распространено в производственных средах, причем определение местоположения и проверка деталей являются двумя основными сценариями его применения. Тем не менее, менее 20% приложений коллаборативных роботов используют системы машинного зрения. Почему? Большинство современных систем машинного зрения без искусственного интеллекта требуют экспертной настройки, и они считаются сложными и дорогостоящими в обслуживании. Большинство пользователей предпочтут потратить время и деньги на изготовление оснастки для своих деталей, отказавшись от большей гибкости, которую обеспечивает машинное зрение.
Чем же отличается компьютерное зрение, основанное на искусственном интеллекте?
Когда человек видит знакомый ему объект, он всё равно сможет его распознать, даже если у него другая поверхность, другое освещение, другой фон или даже немного другой размер или форма. Это сложно для традиционной системы машинного зрения, которая в значительной степени полагается на высокий контраст между фоном и объектом, а также на повторяющиеся размеры и форму объекта для его обнаружения.
Системы машинного зрения на основе глубокого обучения позволяют нам обучать подобную изменчивость в рамках одной модели, подготавливая ее ко всем различным вариациям окружающей среды. Кроме того, пользователю больше не нужно получать десятки или сотни тысяч изображений для обучения модели. Существует широкий спектр готовых моделей с разрешительной лицензией, которые можно использовать для решения самых разных задач в промышленности, при этом процесс переобучения занимает всего около 50 изображений (которые можно автоматически сегментировать и маркировать).
Функциональность ускорителя ИИ
Встроенные в AI Accelerator интерфейсы позволяют легко интегрировать расширенные возможности распознавания объектов из NVIDIA Isaac™ ROS и Isaac Manipulator в существующую программу для робототехники. Вот несколько примеров использования, которые мы уже продемонстрировали:
Обнаружение объектов — Мы можем использовать эти детекторы объектов для обнаружения и захвата объектов в рабочем пространстве робота, что снижает потребность в жестких механических креплениях.
Проверка состояния/контроля рабочего пространства — это можно назвать инспекцией, но речь идёт не об измерении допусков на микронных уровнях. Речь идёт о том, чтобы выяснить: «Находится ли данная деталь в рабочем пространстве в том состоянии, в котором она должна быть, чтобы робот мог продолжить/успешно завершить свою задачу?». Например, при обслуживании станка с ЧПУ, свободен ли зажим заготовки? Все ли инструменты в моём станке целы и чисты?
Перенастройка рабочего пространства — многие наши клиенты перемещают своих роботов по производственным площадкам для выполнения различных задач в разное время. Перенастройка относительно рабочего пространства может быть сложной задачей, требующей точного физического размещения робота или процесса переобучения системы координат. С помощью камеры на конце робота этот процесс можно автоматизировать, чтобы робот мог проверять свое положение относительно остальной части рабочего пространства и продолжать работу с минимальными усилиями.
Планирование траектории — нанесение путевых точек на рабочее пространство для создания оптимальной траектории движения робота вокруг машин и при входе и выходе из них может быть сложной задачей, особенно для начинающих пользователей. Автоматическое планирование траектории значительно упрощает эту задачу, однако трудности с предоставлением планировщику траектории подробной модели окружения робота традиционно препятствовали широкому внедрению этой технологии. В рамках AI Accelerator мы готовим ряд дополнительных функций, которые помогут в этом, так что следите за обновлениями.
Ценность для конечного пользователя
Большую часть первых восьми лет работы в UR я провел на должностях, связанных с непосредственным взаимодействием с клиентами, создавая команды поддержки, которые предоставляли консультации по приложениям и помогали решать проблемы, когда что-то не работало. Очень часто проблемы возникали из-за того, что окружающая среда робота не была достаточно хорошо зафиксирована, чтобы робот мог выполнять свою работу. Это не вина робота, но он чрезвычайно зависит от того, чтобы все оставалось точно так же, как и в момент создания его программы. Благодаря возможностям распознавания, открываемым акселератором ИИ, у нас есть шанс изменить это, сделать наших роботов более гибкими, чем когда-либо прежде, и предотвратить многие из этих проблем.
роль УР
В компании Universal Robots наша миссия всегда заключалась в том, чтобы сделать передовые технологии доступными, практичными и эффективными. Этот принцип лежит в основе нашего подхода к искусственному интеллекту. Мы понимаем, что многие предприятия, особенно малые и средние производственные компании, сталкиваются с такими препятствиями, как ограниченные ресурсы и техническая экспертиза. Именно поэтому мы сосредоточены на создании интуитивно понятных, удобных в использовании продуктов, адаптируемых к различным производственным условиям.
Программа AI Accelerator — яркий пример этой приверженности. С помощью AI Accelerator мы не просто внедряем передовые возможности, мы строим мост, который обеспечивает бесшовную интеграцию инноваций будущего в современные производственные линии, даже те, которые основаны на устаревших процессах. Приоритет отдается простоте, надежности и функциональности в реальных условиях, что позволяет производителям внедрять ИИ без необходимости длительного обучения или капитального ремонта инфраструктуры, часто связанных с новыми технологиями, помогая им уверенно исследовать новые способы внедрения инноваций и улучшения своей деятельности.