Pendekatan Berbeda untuk Pengambilan Komponen dari Bin Secara Robotik
Industri pengambilan komponen dari bin secara tradisional bergantung pada kamera 3D tetap, titik cengkeram yang telah ditentukan, kalibrasi terperinci, dan posisi bin yang relatif terkendali. Metode ini dapat bekerja dengan baik dalam aplikasi terstruktur, tetapi kinerjanya dapat menjadi kurang dapat diprediksi ketika komponen memiliki orientasi acak, sebagian tertutup, atau ketika posisi bin berubah.
Inbolt menggunakan pendekatan berbeda dengan menempatkan kamera visi 3D langsung pada lengan robot. Alih-alih mengandalkan tampilan tetap dari area kerja, robot dapat menggerakkan sistem visinya bersama end effector dan terus memperbarui pemahamannya tentang benda kerja.
Menurut saya, arsitektur ini sangat penting karena kamera menjadi bagian dari sistem gerak robot, bukan tetap sebagai perangkat sensor terpisah. Hal ini mengubah cara robot merespons variasi di lingkungan kerja fisik.
Visi pada Lengan untuk Lingkungan Tidak Terstruktur
Sistem Inbolt menggunakan model AI proprietari bersama visi 3D waktu nyata untuk mengidentifikasi peluang cengkeraman yang sesuai. Sistem ini tidak bergantung pada satu titik cengkeram yang telah ditentukan sebelumnya. Sistem dapat mengevaluasi berbagai permukaan yang dapat diakses dan menentukan cara robot mendekati komponen.
Hal ini berguna ketika komponen saling bertumpuk, berputar, atau menampilkan permukaan yang berbeda dari satu siklus ke siklus berikutnya. Alih-alih mengharuskan setiap orientasi yang mungkin diprogram secara eksplisit, sistem visi mengevaluasi kondisi saat ini dan menghasilkan strategi cengkeraman yang sesuai.
Kinerja produksi yang dilaporkan menunjukkan waktu pemrosesan kurang dari 1 detik per pengambilan, dengan tingkat keberhasilan pengambilan hingga 95% di lingkungan manufaktur nyata.
Operasi Kalang Tertutup Tiga Langkah
Solusi ini mengikuti proses persepsi dan koreksi berkelanjutan, bukan memperlakukan pengambilan sebagai rangkaian gerakan terprogram yang terpisah.
1. Mengidentifikasi Permukaan yang Dapat Dicengkeram
Sistem visi 3D menganalisis komponen yang tersusun secara acak dan mengidentifikasi area yang dapat diakses untuk pencengkeraman. Robot dapat memilih pendekatan cengkeraman yang berbeda sesuai dengan geometri bagian yang terlihat.
2. Menentukan Lokasi Komponen Setelah Dicengkeram
Setelah robot mencengkeram komponen, sistem visi dapat menganalisis kembali objek tersebut dan menentukan posisi serta orientasi aktualnya. Hal ini memberikan informasi tambahan setelah pengambilan awal.
3. Mengoreksi Gerakan Penempatan
Saat robot bergerak menuju tujuan, AI dapat terus menyempurnakan lintasan berdasarkan posisi objek yang telah diperbarui. Kemampuan menentukan lokasi saat objek berada dalam cengkeraman ini membantu mengompensasi variasi yang muncul selama proses pencengkeraman.
Menurut saya, arsitektur kalang tertutup ini merupakan salah satu aspek teknis terpenting dari sistem. Pengambilan yang berhasil tidak selalu berarti masalah persepsi telah selesai; verifikasi komponen setelah pencengkeraman memberi robot kesempatan tambahan untuk mengoreksi posisi sebelum penempatan.
Mengurangi Infrastruktur Visi Tetap
Sel kerja pengambilan komponen dari bin konvensional mungkin memerlukan kamera tetap yang ditempatkan di atas atau di sekitar area kerja. Pemasangan seperti ini dapat menambah kebutuhan akan dudukan mekanis, kalibrasi, pengkabelan, dan konfigurasi.
Dengan satu kamera yang dipasang pada lengan robot, sistem visi yang sama dapat berpindah di antara berbagai posisi pengamatan. Hal ini dapat mengurangi jumlah perangkat keras visi khusus yang diperlukan untuk aplikasi yang melibatkan banyak bin atau tata letak stasiun kerja yang berubah.
Arsitektur ini juga membuat sistem visi tidak terlalu bergantung pada satu sudut pandang tetap. Hal ini dapat berguna ketika robot perlu memeriksa komponen dari berbagai sudut selama proses pengambilan.
Pertimbangan Kinerja dan Produksi
Menurut Inbolt, sistem ini telah diterapkan di lebih dari lima pabrik dan mencapai waktu operasional serta throughput yang tinggi di berbagai lokasi produksi tersebut. Perusahaan melaporkan tingkat keberhasilan pengambilan hingga 95% dan waktu pemrosesan rata-rata di bawah satu detik per pengambilan.
Angka-angka ini harus dipandang sebagai kinerja spesifik aplikasi, bukan spesifikasi kinerja universal. Hasil aktual akan bergantung pada faktor-faktor seperti geometri komponen, karakteristik permukaan, pengisian bin, konfigurasi robot, desain gripper, pencahayaan, kebutuhan siklus, dan tingkat tertutupnya komponen.
Bagi teknisi industri, perbedaan ini penting. Kinerja visi pada akhirnya harus dievaluasi berdasarkan keseluruhan sel robotik, bukan hanya algoritma visi.
AI dan Estimasi Pose 3D
Sistem ini berjalan pada perangkat keras NVIDIA dan menggunakan model panduan robot berbasis AI milik Inbolt untuk estimasi pose waktu nyata dan koreksi lintasan.
Tujuan teknisnya bukan sekadar mengenali objek. Sistem harus menentukan lokasi objek, orientasinya, apakah objek dapat dicengkeram secara fisik, dan bagaimana robot harus bergerak setelah komponen diambil.
Hal ini membuat kombinasi persepsi 3D, estimasi pose, gerakan robot, dan kontrol umpan balik lebih penting daripada pengenalan gambar secara terpisah.
Di Mana Arsitektur Ini Dapat Memberikan Nilai Tambah
Pendekatan ini cocok untuk aplikasi yang sulit menstandarkan penyajian komponen. Contohnya meliputi komponen yang dimuat secara acak, bin yang dapat bergeser, orientasi komponen yang bervariasi, dan lingkungan produksi yang harus menangani berbagai geometri komponen.
Keuntungan potensial lainnya adalah penerapan di berbagai stasiun. Jika robot dan arsitektur visi yang sama dapat dikonfigurasi untuk berbagai bin dan kelompok komponen, tim teknisi mungkin dapat mengurangi jumlah infrastruktur visi khusus yang diperlukan untuk setiap stasiun kerja.
Dari perspektif otomasi, manfaat yang paling menarik bukan sekadar pengambilan yang lebih cepat. Manfaatnya adalah kemungkinan mengurangi upaya mekanis dan pemrograman yang diperlukan untuk mempertahankan kinerja ketika lingkungan fisik berubah.
Perspektif Teknik
Pengembangan visi 3D pada lengan mencerminkan pergeseran yang lebih luas dalam robotika industri: persepsi semakin terintegrasi erat dengan gerakan robot.
Otomasi tradisional sering berupaya menghilangkan variabilitas melalui fixture, posisi kamera tetap, penyajian komponen yang terkendali, dan lintasan yang telah ditentukan. Visi berbasis AI mengambil pendekatan sebaliknya dengan memungkinkan robot mengamati lebih banyak variasi dan mengompensasinya melalui perangkat lunak serta umpan balik.
Hal ini tidak menghilangkan kebutuhan akan desain mekanis yang baik, pemilihan gripper, pemrograman robot, atau rekayasa proses. Sebaliknya, pendekatan ini mengubah tempat sebagian kompleksitas ditangani. Untuk aplikasi dengan penyajian komponen yang benar-benar bervariasi, memindahkan sebagian kompleksitas dari batasan mekanis ke persepsi dan kontrol gerak waktu nyata dapat menjadi kompromi teknik yang praktis.
Kesimpulan
Solusi pengambilan komponen dari bin milik Inbolt menunjukkan bagaimana visi 3D pada lengan dan AI dapat dipadukan dengan kontrol robot kalang tertutup untuk aplikasi penanganan material yang kurang terstruktur. Waktu pemrosesan yang dilaporkan di bawah satu detik, tingkat keberhasilan pengambilan hingga 95%, dan penerapan di berbagai pabrik menunjukkan fokus pada penggunaan produksi, bukan sekadar demonstrasi laboratorium.
Konsep teknis utamanya adalah interaksi berkelanjutan antara persepsi dan gerakan robot: sistem mengamati cengkeraman yang tersedia, memverifikasi komponen setelah dicengkeram, dan menyesuaikan lintasan penempatan sesuai kebutuhan. Pendekatan ini dapat memberikan alternatif yang lebih adaptif dibandingkan arsitektur pengambilan komponen dari bin yang sangat bergantung pada kamera tetap dan kondisi cengkeraman yang telah ditentukan.
