Nuo skaitmeninio intelekto iki fizinio veiksmo
Fizinis DI peržengia laboratorinių demonstracijų ribas ir keliasi į aplinkas, kuriose robotai turi tiesiogiai sąveikauti su mašinomis, komponentais, įrankiais ir žmonėmis. „Agile Robots“ ir „Franka Robotics“ neseniai pademonstravo šį perėjimą dviejuose Europos renginiuose, parodydamos, kaip robotų intelektas gali susieti pramoninę automatiką su robotų mokymosi duomenimis.
Ciuriche ir Brėmene surengtos demonstracijos rodo platesnius automatikos inžinerijos pokyčius: DI vertė nebėra nulemiama vien to, kaip gerai sistema supranta duomenis. Vis dažniau svarbu, ar šis intelektas gali pajusti fizines sąlygas, priimti sprendimus ir realiame pasaulyje atlikti tikslius veiksmus.
Jėgos valdymas leidžia robotų surinkimą pritaikyti lanksčiau
Parodoje „all about automation Zurich“ „Agile Robots“ pademonstravo „Diana 7“, atliekančią variklio galvutės įstatymą, kai sukimo momentas matuojamas visuose septyniuose sąnariuose. Užuot laikęs robotą paprastu padėties valdomu mechanizmu, sistema surinkimo proceso metu stebi sąveikos jėgas.
Šis skirtumas svarbus tais atvejais, kai mechaninės tolerancijos, komponentų variacijos ar nedidelės padėties nustatymo klaidos gali paveikti rezultatą. Grįžtamasis jėgos ryšys leidžia robotui reaguoti į faktinę mechaninę surinkimo būklę, o ne visiškai pasikliauti iš anksto nustatyta trajektorija.
Žvelgiant iš pramoninės automatikos perspektyvos, tai yra svarbi robotų sistemų kryptis. Jutikliai tampa valdymo ciklo dalimi, todėl robotai gali interpretuoti kontakto sąlygas ir atitinkamai koreguoti savo veiksmus.
„Thor 12“ skirtas lanksčioms suvirinimo operacijoms
„Agile Robots“ taip pat pristatė „Thor 12“, skirtą robotizuotam suvirinimui. Vilkimo ir numetimo mokymas bei mažai kodo reikalaujantis valdymo būdas turėtų supaprastinti suvirinimo trajektorijų kūrimą ir keitimą.
Galimybė koreguoti kampinių, vertikalių ir pasvirusių siūlių trajektorijas ypač aktuali gamybos aplinkoje, kurioje produktai dažnai keičiami. Nurodyta galimybė tvarkyti net 1 mm pločio tarpus taip pat parodo, kaip trajektorijos valdymas ir proceso pritaikymas gali paveikti suvirinimo kokybę.
Mano nuomone, praktinė tokių sistemų kaip „Thor 12“ reikšmė yra ne vien ta, kad jos palengvina robotų programavimą. Didesnė inžinerinė nauda – mažesnės programavimo sąnaudos keičiantis gamybos reikalavimams. Dėl to robotizuota automatika gali būti labiau pritaikoma mažesnėms partijoms ir įvairesniems gamybos procesams.
Robotų mokymo duomenys tampa automatikos steko dalimi
Brėmene surengta demonstracija pristatė kitą fizinio DI lygties dalį. „Franka Robotics“ naudojo „Franka GELLO Duo“ teleoperuoti „FR3 Duo“, o „LABS“ fiksavo demonstracijas kaip struktūrizuotus mokymo duomenis dviejų rankų manipuliacijai.
Šis metodas keičia žmonių operatorių ir robotų programavimo santykį. Užuot įprastais programavimo metodais rankiniu būdu apibrėžus kiekvieną roboto judesį, žmonių demonstracijos gali pateikti pavyzdžių, pagal kuriuos kuriamas išmanus robotų elgesys.
DI kūrėjams svarbiausia yra duomenų generavimo eiga. Teleoperavimas suteikia galimybę fiksuoti žmogaus manipuliavimo elgseną, o robotų platforma užtikrina fizinę vykdymo aplinką ir susijusius duomenis.
Manipuliacijai dviem rankomis reikia daugiau nei judesio planavimo
Robotika, kai naudojamos abi rankos, kelia papildomų valdymo reikalavimų, nes dvi robotų rankos turi koordinuoti savo judesius, jėgas ir sąveiką su manipuliuojamu objektu.
Todėl mokymo duomenys turi apibūdinti ne tik atskirų sąnarių padėtis. Demonstracijose gali būti informacijos apie koordinuotą judėjimą ir fizinę sąveiką, kurią būtų sunku atkurti naudojant paprastas scenarijais pagrįstas sekas.
Čia fizinis DI skiriasi nuo įprasto pramoninių robotų programavimo. Tradicinė automatika paprastai pradedama nuo apibrėžtos užduoties ir aiškiai suprojektuotos logikos. Robotų mokymosi metodai vietoj to gali naudoti demonstracijas kaip užduočiai pritaikyto elgesio kūrimo proceso dalį.
DI ir pramoninės automatikos ryšys
Ciuriche ir Brėmene surengtos demonstracijos apima skirtingus tos pačios techninės grandinės etapus. „Diana 7“ ir „Thor 12“ daugiausia dėmesio skiria fiziniam vykdymui pramonėje, o „Franka“ teleoperavimo ir duomenų fiksavimo eiga nagrinėja, kaip galima išmokyti robotų intelekto.
Ryšys tarp šių sričių yra reikšmingas. Robotui, galinčiam jausti aplinką, vis tiek reikia tinkamų valdymo strategijų, o pagal demonstracijas išmokytam DI modeliui galiausiai reikia fizinės platformos, galinčios vykdyti jo sprendimus.
Pramoninės automatikos inžinieriams tai rodo, kad ateities robotų architektūrose vis dažniau bus derinami jutikliai, judesio valdymas, DI išvados, duomenų rinkimas ir įprastos automatikos technologijos, o ne laikoma, kad tai yra atskiros sistemos.
Kodėl fizinis DI svarbus gamintojams
Gamintojai susiduria su vis įvairesniais gamybos reikalavimais, trumpesniais produktų gyvavimo ciklais ir spaudimu automatizuoti užduotis, kurias anksčiau buvo sunku standartizuoti. Fiksuotos robotų programos išlieka labai veiksmingos pasikartojantiems procesams, tačiau jų ribotumai tampa akivaizdesni, kai aplinka ar produktas dažnai keičiasi.
Fizinis DI siūlo kitą požiūrį, nes leidžia robotams savo veikloje naudoti jutiklių grįžtamąjį ryšį, demonstracijas ir išmoktą elgesį.
Vis dėlto DI neturėtų būti laikomas nusistovėjusios automatikos inžinerijos pakaitalu. Saugos funkcijos, deterministinis valdymas, elektros architektūra, judesio ribos, pramoniniai tinklai ir proceso validavimas išlieka esminiai. Tikėtina, kad praktiškiausiose sistemose DI pagrįstas sprendimų priėmimas bus derinamas su nusistovėjusiais valdymo ir saugos sluoksniais.
Nuo demonstracijų iki diegiamų sistemų
Įdomiausias pastarųjų „Agile Robots“ demonstracijų aspektas yra ryšys tarp kūrimo ir diegimo. Robotų mokymo duomenys, išmanusis valdymas, jėgos jutimas, supaprastintas programavimas ir fizinis vykdymas vis dažniau tampa vienos platesnės automatikos architektūros komponentais.
Kitas inžinerinis iššūkis – mastelio didinimas. Sėkminga demonstracija yra tik pradžia. Pramoniniam diegimui reikia pakartojamo našumo, prognozuojamų ciklo trukmių, integracijos su esamomis PLC ir gamybos sistemomis, saugos validavimo, priežiūros galimybių ir išmatuojamos gamybos naudos.
Todėl fizinis DI turės įrodyti save ne tik kaip DI technologija, bet ir kaip pramoninio valdymo technologija.
Robotų inžinerijos pokytis
Šveicarijoje ir Vokietijoje surengtos demonstracijos rodo, kad pramoninė robotika pereina prie adaptyvesnio modelio. Vis dažniau tikimasi, kad robotai suvoks fizines sąlygas, mokysis iš demonstracijų ir keis savo veiksmus, o ne tiesiog kartos iš anksto nustatytas trajektorijas.
Mano nuomone, didžiausia galimybė slypi šių galimybių derinime su įprasta pramonine automatika, o ne jos pakeitime. PLC, judesio valdikliai, saugos sistemos, jutikliai, pramoniniai tinklai ir robotų platformos gali suteikti deterministinį pagrindą, o fizinis DI – aukštesnio lygio adaptyvų sprendimų priėmimą.
Rezultatas galėtų būti naujos kartos automatikos sistemos, kuriose robotai būtų ne tik programuojamos mašinos, bet ir fizinės skaičiavimo sistemos, galinčios realioje gamybos aplinkoje jausti, mokytis ir veikti.
