Les robots atteignent une coordination main-œil précise pour tâches complexes

Bien que Modern Machine Shop se concentre sur l'usinage CNC, l'application ici mérite attention. Considérez les difficultés d'automatiser l'insertion de câbles Ethernet. Variables multiples : positions prises différentes, flexion imprévisible du cordon, force pour « claquer » le connecteur — pourraient bloquer même le robot le plus soigneusement programmé. Ce robot diffère : il évite la programmation soignée pour s'auto-contrôler essentiellement. Il ajuste son approche pour assurer ajustement parfait quelle que soit orientation/position de la prise.

Au-delà insertion câbles, implications larges de donner coordination main-œil aux robots faciles à imaginer. Si nos collègues mécanisés peuvent faire cela, pourront-ils un jour aider ateliers CNC à manipuler mélange pièces autour outils ébavurage actifs, ou prélever pièces au hasard dans boîtes sans grilles/fixations ? Inspection, finition surface, chargement machine, applications inexplorées — toutes bénéficieraient.

Développé en Allemagne par Micropsi Industries, ce système de contrôle auxiliaire robot s'appelle MIRAI (Micropsi Industries Robotic Artificial Intelligence). Il utilise caméras, capteurs force et réseau neuronal pour approximer sens humains et réagir environnements dynamiques temps réel. Rick Schoonover, représentant US, dit que premiers cas montrent raisons d'étendre ambitions au-delà électronique.

Cas d'usage précoces

Exemple : chargement engrenages dans machine taillage assez délicatement pour prolonger vie de l'arbre. Autre : rognage structures composites aéro grandes avec force constante, indépendamment orientation/position robot vs surface pièce. Investigations actives : préhension/placement précis variété pièces 3D imprimées — potentiel large pour automatiser travail faible volume, haut mélange.

Entraînement vs programmation

On ne «教» pas un cobot MIRAI ; on l'entraîne avec des compétences. Processus似 : humain guide bras robot répétitivement dans mouvements tâche. Mais le bras doit approcher cible sous max d'angles/directions. Car focus algorithmes ML n'est pas moyens vers fin, mais la fin elle-même — câble dans prise. En bougeant, réseau neuronal cloud traite flux continu données capteurs pour comprendre environnement et ce qu'il faut pour accomplir tâche.

« Si vous voulez mettre cheville dans trou, vous ne calculez pas mathématiquement séquence mouvements. Si vous le voyez, vous le faites — pas de chemin. Regardez cheville, trou, mettez cheville. Si trou bouge, ajustez et mettez quand même. » — Rick Schoonover

Pour l'instant, MIRAI contrôle robot seulement portions critiques chemin programmé traditionnellement — moment insertion câble, préhension/nidification pièce. À ce moment, robot bouge seul basé sur sa « perception » et ce qu'il a « appris » sur objectifs et variance naturelle environnement.

Que cette tech atteigne votre atelier, ou serve au-delà micro-mouvements, reste à voir. Quoi qu'il en soit, tech comme MIRAI change notre compréhension de l'automatisation : flexible, facile à déployer, tolérante variation (perturbations env. à différences forme/position/géométrie pièces).