Чтобы сделать этот переход возможным, эти компании полагались на людей, работающих на сборочной линии. Для робота было бы слишком сложно совершить этот переход, потому что роботы привязаны к своим обычным задачам.

Теоретически робот мог бы поднять практически все, что угодно, если бы его захваты можно было менять местами для каждой задачи. Чтобы снизить затраты, эти захваты могут быть пассивными, что означает, что захваты поднимают предметы без изменения формы, подобно тому, как работают щипцы на вилочном погрузчике.

Команда Вашингтонского университета создала новый инструмент, который может спроектировать пассивный захват для 3D-печати и рассчитать наилучший путь для захвата объекта. Команда протестировала эту систему на наборе из 22 объектов, включая напечатанного на 3D-принтере кролика, клин в форме дверного упора, теннисный мяч и дрель. Разработанные захваты и траектории были успешными для 20 объектов. Два из них были клиновидной и пирамидальной формы с изогнутой замочной скважиной. Обе формы сложны для захвата несколькими типами захватов.

Команда представит эти результаты 11 августа на SIGGRAPH 2022.

"Мы по-прежнему производим большинство наших изделий на сборочных линиях, которые действительно великолепны, но в то же время очень жестки. Пандемия показала нам, что нам нужен способ легко перепрофилировать эти производственные линии", - сказала старший автор Адриана Шульц, доцент UW в Paul G. Школа компьютерных наук и инженерии имени Аллена. "Наша идея состоит в том, чтобы создать индивидуальную оснастку для этих производственных линий. Это дает нам очень простого робота, который может выполнять одну задачу с помощью определенного захвата. А потом, когда я меняю задачу, я просто заменяю захват".

Пассивные захваты не могут подстраиваться под объект, который они поднимают, поэтому традиционно объекты разрабатывались в соответствии с конкретным захватом.

"Самый успешный пассивный захват в мире - это клещи на вилочном погрузчике. Но компромисс заключается в том, что щипцы для вилочных погрузчиков хорошо работают только с определенными формами, такими как поддоны, а это означает, что все, что вы хотите захватить, должно находиться на поддоне", - сказал соавтор Джеффри Липтон, доцент кафедры машиностроения Калифорнийского университета. "Здесь мы говорим: "Хорошо, мы не хотим предопределять геометрию пассивного захвата". Вместо этого мы хотим взять геометрию любого объекта и спроектировать захват".

Для любого данного объекта существует множество вариантов того, как мог бы выглядеть его захват. Кроме того, форма захвата связана с траекторией, по которой рука робота поднимает объект. При неправильной конструкции захват может врезаться в объект по пути его поднятия. Чтобы решить эту проблему, у исследователей было несколько ключевых идей.

"Точки, в которых захват соприкасается с объектом, необходимы для поддержания устойчивости объекта в захвате. Мы называем этот набор точек "конфигурацией захвата", - сказал ведущий автор Милин Коднонгбуа, который завершил это исследование в качестве студента бакалавриата Калифорнийского университета в школе Аллена. "Кроме того, захват должен соприкасаться с объектом в этих заданных точках, и захват должен быть единым твердым объектом, соединяющим точки контакта с рукой робота. Мы можем найти траекторию вставки, которая удовлетворяет этим требованиям".

При проектировании нового захвата и траектории команда начинает с предоставления компьютеру 3D-модели объекта и его ориентации в пространстве - например, как он будет представлен на конвейерной ленте.

"Сначала наш алгоритм генерирует возможные конфигурации захвата и ранжирует их на основе стабильности и некоторых других показателей", - сказал Коднонгбуа. "Затем он выбирает наилучший вариант и совместно оптимизирует, чтобы определить, возможна ли траектория вставки. Если он не может его найти, то переходит к следующей конфигурации grasp в списке и снова пытается выполнить совместную оптимизацию."

Как только компьютер находит подходящее соответствие, он выдает два набора инструкций: один для 3D-принтера для создания захвата и один с траекторией движения руки робота после того, как захват напечатан и прикреплен.

Команда выбрала множество объектов для проверки эффективности метода, в том числе некоторые из набора данных объектов, которые являются стандартными для тестирования способности робота выполнять задачи манипулирования.

"Мы также разработали объекты, которые были бы сложными для традиционных роботов-захватчиков, такие как объекты с очень мелкими углами или объекты с внутренним захватом, когда вы должны поднимать их с помощью ключа", - сказал соавтор Иэн Гуд, докторант кафедры машиностроения Калифорнийского университета.

Исследователи выполнили 10 тестовых подборок с 22 формами. Для 16 фигур все 10 подборов были успешными. В то время как у большинства фигур был по крайней мере один успешный прием, у двух этого не произошло. Эти сбои были вызваны проблемами с 3D-моделями объектов, которые были переданы компьютеру. Для одного - чаши - модель описала стенки чаши как более тонкие, чем они были на самом деле. Для другого - объекта, который выглядит как чашка с ручкой в форме яйца, - модель не имела правильной ориентации.

Алгоритм разработал те же стратегии захвата для объектов аналогичной формы, даже без какого-либо вмешательства человека. Исследователи надеются, что это означает, что они смогут создавать пассивные захваты, которые могли бы захватывать класс объектов, вместо того, чтобы иметь уникальный захват для каждого объекта.

Одним из ограничений этого метода является то, что пассивные захваты не могут быть сконструированы таким образом, чтобы захватывать все объекты. В то время как легче поднимать предметы, которые различаются по ширине или имеют выступающие края, предметы с равномерно гладкой поверхностью, такие как бутылка с водой или коробка, трудно схватить без каких-либо движущихся частей.

Тем не менее, исследователи были воодушевлены тем, что алгоритм работает так хорошо, особенно с некоторыми более сложными формами, такими как колонна с замочной скважиной наверху.

"Путь, который наш алгоритм придумал для этого, - это быстрое ускорение до того места, где он действительно приближается к объекту. Казалось, что он вот-вот врежется в объект, и я подумал: "О нет. Что, если мы неправильно его откалибровали?" - сказал Гуд. "И тогда, конечно, он становится невероятно близким, а затем идеально улавливает его. Это был впечатляющий момент, экстремальные американские горки эмоций".

Ю Лу, который завершил это исследование в качестве магистранта в школе Аллена, также является соавтором этой статьи. Это исследование финансировалось Национальным научным фондом и грантом Благотворительного фонда Мердока. Команда также подала заявку на патент: 63/339,284.