micron
活動+
 

AI讓機器人自主學習複雜編程 減輕工程師壓力

 
工廠導入機器手臂意在降低對人力的依賴,精簡製造流程以提升生產效率,然而過去製造業者在機器手臂正式上線以前需對其加以訓練與調教,透過詳細的編程定義每個動作,但這段過程往往因為複雜的技術以及耗時長而讓剛開始導入自動化的使用者忘之卻步,但受惠於人工智慧發展,有機器手臂業者也瞄準這個痛點,透過AI要讓訓練機器人變得更容易。

目前機器手臂主要整合的感測技術主要以視覺為大宗,現在3D視覺除了可測量物體三維座標資訊,協助機器手臂以更精準的相對位置執行如抓取的動作之外,對於編程複雜且耗時的3D路徑也格外受用。例如製鞋有各種款式、水五金工件的外形複雜且多曲面設計,如果透過編程可能產生好幾百種路徑。3D視覺廠商所羅門則指出,業者可先利用3D視覺捕捉物體成像後透過演算法快速運算鞋子的輪廓,自動產生路徑讓機器手臂進行黏接、加工或其他應用。

機器視覺為機器人加上眼睛,如加上AI,就等於有了眼睛與大腦。所羅門董事長陳政隆指出,AI是機器人能夠快速進化的工具。過去被公認具有挑戰性的項目則是機器人隨機取放,機器手臂要在三維空間中學會辨識物件、正確揀選抓取是件曠日費時的工作,尤其還要在混置不同工件的條件下,仍正確辨識而決定是否夾取。

然而透過3D視覺,機器手臂除了可辨識不同工件的類型外,經由深度學習機器手臂也可自主判斷該用何種角度才能正確夾起零件,約莫2小時就可完成單一物件的教導。而像是工研院則是透過導入新工件的CAD模型,讓機器手臂在軟體模擬環境中透過每次不同角度與力道的嘗試夾取,在判斷有效或無效的狀態下,逐步累積正確的夾取方式,以達到正確夾取方式的自主學習。

而在今年漢諾威工業展中也看到不少廠商將AI與機器手臂結合的應用案例。例如西門子展示機器手臂透過機器學習,不論零件在何處、形狀如何等變因條件下,機器手臂都能快速找到零件。FESTO的仿生機器手臂則能模仿人類在感測器前做出「剪刀、石頭、布」等各類手勢,而機器手臂透過AI自主學習也能即時根據邏輯做出手勢贏得遊戲。