Robotique pour la fabrication

Les chercheurs de ME explorent comment la robotique et l'IA peuvent contribuer à améliorer la sécurité des travailleurs du secteur manufacturier, à normaliser les processus et bien plus encore.

Par : Lyra FontainePhoto : Dennis Wise / Université de WashingtonImage du haut : Les chercheurs de ME utilisent un robot avec une caméra stéréo 2D et une pince parallèle (illustré ci-dessus) dotée de capteurs de pression. Ils ont développé un algorithme capable de détecter quand des objets glissent hors de la pince.

En collaboration avec des partenaires industriels, les chercheurs de ME explorent les moyens d'améliorer la sécurité des travailleurs du secteur manufacturier, d'automatiser les inspections et d'améliorer les capacités des robots à interagir avec les objets qui les entourent.

Dans le laboratoire de mécatronique, d'automatisation et de systèmes de contrôle (MACS Lab) de l'UW, les chercheurs étudient comment les machines et les processus d'automatisation peuvent avoir un impact positif sur la vie des gens. Le laboratoire est dirigé par Xu Chen, professeur de recherche Bryan T. McMinn en génie mécanique.

« L'intelligence artificielle crée de nouvelles opportunités significatives », déclare Chen. « Permettre aux robots de manipuler intelligemment des objets pourrait aider les travailleurs à accomplir leurs tâches de fabrication. Je suis vraiment excité de résoudre les défis dans cet espace.

Au Boeing Advanced Research Center, le professeur adjoint Krithika Manohar développe des algorithmes pour prédire et contrôler des systèmes dynamiques complexes, qui sont des situations imprévisibles où les conditions évoluent au fil du temps. Son travail comprend l'optimisation des capteurs pour la prise de décision dans la construction aéronautique.

« L’IA et l’apprentissage automatique sont très puissants dans ce domaine car les processus d’ingénierie sont strictement réglementés », explique-t-elle. « Vos tests en vol doivent être extrêmement précis. Une aile d’avion doit se situer dans une plage de mesures stricte pour fonctionner correctement. Les modèles d’IA, lorsqu’ils sont appliqués à ces processus très bien contrôlés, peuvent apprendre les modèles beaucoup plus facilement. Ils peuvent trouver les variables qui affectent les défauts de ces pièces.

Manohar aime la façon dont son travail est appliqué aux processus de fabrication réels, comme la prévision des écarts entre les cales dans les avions.

«Je peux voir qu'il est appliqué et comment il affecte ces véritables décisions d'ingénierie», dit-elle. "Vous pouvez le voir dans une vraie aile."

Comment apprendre aux robots à saisir des objets et à détecter quand les objets glissent ? Un nouveau projet du MACS Lab combine le retour visuel et tactile dans des robots industriels qui effectuent des tâches aux côtés de travailleurs humains. Des études antérieures ont proposé des algorithmes de rétroaction uniquement visuels ou uniquement tactiles pour saisir des objets. Ce projet, financé par l'UW + Amazon Science Hub, imite la façon dont les humains utilisent à la fois la vision et le toucher pour saisir des objets.

Les chercheurs – dont ME Ph.D. L'étudiant Xiaohai Hu et les étudiants à la maîtrise Apra Venkatesh et Guiliang Zheng utilisent dans leurs expériences un robot doté d'une caméra stéréo 2D et d'une pince parallèle dotée de capteurs de pression. Ils ont développé un algorithme qui détecte lorsqu’un objet glisse du robot dans plus de 99 % du temps.

L’équipe a testé son approche avec 10 objets courants, dont une éponge, une boîte, une balle de tennis et un tournevis. Ils ont également démontré qu’ils saisissaient un livre sur une étagère remplie d’objets.

"Ce processus semble intuitif, mais il est en réalité assez dynamique et difficile pour les robots de préhension", explique Chen. « La saisie robotique est une tâche complexe qui implique de résoudre des problèmes de perception, de planifier et d’exécuter des interactions précises et d’utiliser un raisonnement avancé. Dans nos démos, la friction change également au cours du processus.

Détecter et empêcher les objets de glisser hors du préhenseur robotique pourrait être une capacité utile pour les robots qui travaillent aux côtés des travailleurs dans des environnements tels que des entrepôts ou des installations de fabrication. Par exemple, une pince dotée de capacités de détection de glissement pourrait contenir et déplacer des objets lourds tels que des pièces de machines ou des composants automobiles, ramasser des objets fragiles sans les endommager, trier des objets tels que des colis et manipuler des objets mouillés ou glissants comme des produits.

Maintenant qu’ils comprennent mieux la préhension et peuvent détecter le moment où les objets glissent, l’équipe espère augmenter la force de la pince et modifier l’emplacement où elle saisit l’objet pour empêcher l’objet de tomber.