Un algoritmo para mejorar el ensamblaje robótico de productos personalizados.

 

Un algoritmo para mejorar el ensamblaje robótico de productos personalizados.
Figura que explica cómo funciona la técnica ideada por los investigadores. Crédito: Rodríguez et al.

Los robots pronto podrían ayudar a los humanos en una variedad de campos, incluso en entornos industriales y de fabricación. Un sistema robótico que puede ensamblar automáticamente productos personalizados puede ser particularmente deseable para los fabricantes, ya que podría disminuir significativamente el tiempo y el esfuerzo necesarios para producir una variedad de productos.

Para trabajar de manera más efectiva, dicho robot debe integrar un planificador de ensamblaje, un componente que planifica la secuencia de movimientos y acciones que un robot debe realizar para fabricar un producto específico. Sin embargo, desarrollar un planificador de ensamblaje que pueda planificar rápidamente las secuencias de movimientos necesarios para producir diferentes productos personalizados hasta ahora ha resultado ser un gran desafío.

Investigadores del Centro Aeroespacial Alemán (DLR) han desarrollado recientemente un algoritmo que puede transferir el conocimiento adquirido por un robot al ensamblar productos en el pasado para el ensamblaje de nuevos artículos. Este algoritmo, presentado en un artículo publicado en IEEE Robotics and Automation Letters, en última instancia, puede reducir la cantidad de tiempo que requiere un planificador de ensamblaje para crear secuencias de acción para la fabricación de nuevos productos personalizados.

«El objetivo principal de un planificador de ensamblaje debe ser proporcionar a los no expertos una herramienta de automatización para hacer frente a la tendencia creciente de productos personalizados», dijeron a Tech Xplore por correo electrónico Ismael Rodríguez y Korbinian Nottensteiner, coautores del reciente artículo. «Nuestra visión final es que un cliente o usuario podrá diseñar productos individuales y solo necesita enviar la especificación a un sistema de ensamblaje autónomo, que luego pueda adaptarse a estos nuevos productos y fabricarlos, sin muchos esfuerzos manuales».

El reciente estudio realizado por Rodríguez, Nottensteiner y sus colegas es una extensión de uno de sus trabajos anteriores, también publicado en IEEE Robotics and Automation Letters. En este trabajo anterior, los investigadores pudieron identificar y representar diferentes problemas que un sistema de ensamblaje robótico que desarrollaron encontró al construir una estructura personalizada.

Para delinear estos problemas de manera más eficiente, el sistema requería cierto grado de conocimiento humano experto, lo que finalmente le permitió mapear los resultados de varios módulos en información concreta. Si bien los investigadores pudieron diseñar técnicas que podrían acelerar este proceso de planificación, se dieron cuenta de que el tiempo que su sistema necesitaba para planificar una secuencia de acciones podría reducirse aún más mediante la reutilización de la información que adquirió en ensayos anteriores.


«El objetivo de nuestro nuevo estudio fue desarrollar un sistema que requiera menos instrucciones humanas explícitas y que sea capaz de reutilizar información para acelerar los tiempos de planificación y generalizar sobre clases más grandes de problemas», dijeron Rodríguez y Nottensteiner.

El algoritmo desarrollado por Rodríguez, Nottensteiner y sus colegas tiene dos fases principales de operación: una fase de capacitación y una fase de ejecución. En la fase de entrenamiento, el algoritmo genera aleatoriamente miles de diferentes conjuntos posibles. Luego, estos conjuntos se analizan mediante una serie de módulos, que identifican restricciones y las conectan automáticamente con información semántica, que los investigadores denominan «reglas».

Estos pasos iniciales se llevan a cabo en simulaciones, junto con pruebas de la viabilidad geométrica y cinemática de cada conjunto. Posteriormente, todos los ensamblados generados y las reglas asociadas con ellos se almacenan en una base de datos de conocimiento.

«En el momento de la ejecución, un nuevo ensamblaje se compara con los de la base de datos de conocimiento mediante un novedoso enfoque de reconocimiento de patrones que permite encontrar similitudes entre ellos», explicaron Rodríguez y Nottensteiner. «Una vez que hemos encontrado una familia de ensamblajes que tienen propiedades similares, usamos una red neuronal para clasificar qué restricciones están presentes en el nuevo ensamblaje».

Esencialmente, una vez que se completa la fase de entrenamiento, el algoritmo desarrollado por los investigadores debería ser capaz de planificar secuencias de acciones requeridas para fabricar nuevos objetos de manera más eficiente, mediante la identificación e implementación de restricciones que son aplicables a conjuntos de elementos similares, que previamente se encontraron en las simulaciones. . Este proceso de recuperar el conocimiento previamente adquirido y transferirlo a la tarea en cuestión reduce la cantidad de procesamiento y planificación necesarios para ensamblar nuevos objetos, lo que a su vez puede acelerar el proceso de fabricación.

«Modelamos exitosamente ensamblajes de una manera que permite encapsular sus restricciones y también permite que un robot tome decisiones sobre la similitud entre ensamblajes», dijeron Rodríguez y Nottensteiner. «Estos dos puntos son cruciales, ya que necesitamos representar la información (es decir, restricciones) pero además deberíamos poder decidir si esta información es relevante para otras asambleas (es decir, similitud). En nuestra opinión, en cuanto a resultados, el punto clave es que nuestro enfoque no solo toma en consideración el producto en sí, sino también las capacidades del sistema que lo está construyendo «.

Rodríguez, Nottensteiner y sus colegas probaron su algoritmo en una serie de experimentos, en los que un sistema robótico con dos brazos ensamblaba productos diferentes utilizando componentes a base de aluminio. Los resultados de estas pruebas fueron muy prometedores, ya que se descubrió que su técnica acelera considerablemente la planificación de secuencias de acción para el ensamblaje de una variedad de objetos.

En el futuro, el nuevo algoritmo introducido por este equipo de investigadores podría permitir el desarrollo de sistemas robóticos que puedan fabricar automáticamente artículos personalizados de manera más rápida y efectiva. En sus próximos estudios, los investigadores planean probar su técnica aún más en varios escenarios diferentes. Por ejemplo, están buscando probar su algoritmo en una configuración de fábrica como parte de un proyecto llamado Fábrica del Futuro, que involucrará a varios institutos DLR. Eventualmente, también esperan asociarse con empresas privadas para implementar y evaluar sus técnicas de fabricación de productos en entornos industriales del mundo real.

«Queremos acercar estas ideas a los problemas cotidianos de los usuarios», dijeron Rodríguez y Nottensteiner. «Creemos que los trabajos en esta línea de investigación cambiarán la forma en que entendemos y llevamos a cabo la fabricación en el futuro. Como instituto de investigación, también investigaremos cómo nuestras técnicas pueden apoyar las misiones de ensamblaje robótico en el espacio, por ejemplo, el ensamblaje de grandes estructuras en el espacio según lo previsto por el proyecto PULSAR de la UE «.


Leave a Comment!