MTC réalise une percée dans la préhension d'objets inconnus pour la robotique

Les experts en automatisation du Manufacturing Technology Centre (MTC) ont réalisé une percée dans la robotique de préhension d'objets inconnus...

La dernière percée des experts en automatisation du MTC signifie que la robotique peut manipuler des objets sans besoin de données CAO ou de préhensions conçues pour permettre un déploiement plus rapide de solutions robotiques.

« Ce projet démontre la détermination du MTC à adopter des développements académiques avec potentiel de transformer la robotique en fabrication. La transférabilité de cette technique pour préhender de nouveaux objets permettra au MTC de tester rapidement avec des pièces clients et conseiller sur stratégies d'implémentation », commente Mark Robson, Senior Research Engineer, Robotique, MTC.

Le projet

Le bin picking (prélèvement en bac), tâche de manutention courante dans les industries où un objet unique doit être séparé d'un input vrac non structuré.

Avec les méthodes traditionnelles, les usines utilisent données CAO et capteurs haute coût pour identifier pièces individuelles précisément, ainsi que tester une gamme de préhensions pré-ingénieries pour faisabilité.

Pour réduire temps et coûts, le MTC a démontré sa technique « state of the art » pour le bin picking. La technique utilise un modèle entraîné pour trouver la meilleure position pour placer une ventouse, et peut être entraînée avec data simulée pour réduire le besoin de collecte et étiquetage manuels de données intensifs en main-d'œuvre.

« Les ingénieurs Robotique du MTC prouvent que design et développement peuvent être dématérialisés dans la création de solutions intelligentes rentables pour automatiser opérations où la programmation prédéterminée est moins viable », ajoute Dr Alejandra Matamoros, Technology Manager, MTC.

Le résultat

La technique du projet a été testée par le MTC sur une gamme d'objets : composants métalliques, fruits, contenants cosmétiques.

Entraînée avec données manuellement étiquetées (un mois) et données simulées, la technique a performé avec 92 % et 94 % de prélèvements réussis respectivement.

« La performance du modèle entraîné sur data purement simulée montre que cette approche est une bonne solution pour réduire la charge de collecte de données pour cas d'usage spécifiques », déclare le MTC, ajoutant que « l'excellente performance sur items non présents dans les données d'entraînement montre que la méthode généralise bien à tous items. »

Pour plus d'infos sur les sujets manufacturiers, consultez la dernière édition de

Suivez-nous sur et .

Source image