픽앤플레이스 머신은 객체를 구조화되고 정리된 위치에 배치하는 데 사용되는 자동화 장비의 한 유형입니다. 이러한 머신은 전자 조립에서 포장, 빈 피킹, 심지어 검사에 이르기까지 다양한 응용 분야에 사용되지만 많은 현재 픽앤플레이스 솔루션은 제한적입니다. 현재 솔루션에는 “정확한 일반화”가 부족하거나 정확성을 손상시키지 않고 많은 작업을 해결할 수 있는 능력이 부족합니다.
“산업계에서는 종종 이런 일을 봅니다. [manufacturers] “특정 문제에 매우 맞춤화된 솔루션을 얻게 되므로, 많은 엔지니어링이 필요하고 솔루션 측면에서 유연성이 크지 않습니다.” Google DeepMind에서 로봇 및 로봇 조작을 담당하는 선임 연구 과학자 Maria Bauza Villalonga 박사(박사 22년)가 말했습니다. “SimPLE은 이 문제를 해결하고 유연하면서도 필요한 정밀도를 제공하는 픽앤플레이스 솔루션을 제공합니다.”
MechE 연구자들의 새로운 논문이 저널에 게재되었습니다. 과학 로봇공학 더 정밀한 픽앤플레이스 솔루션을 탐구합니다. 키팅이라고도 알려진 정밀 픽앤플레이스에서 로봇은 비구조화된 물체 배열을 체계적인 배열로 변환합니다. SimPLE(Simulation to Pick Localize and placE)이라는 접근 방식은 물체의 컴퓨터 지원 설계(CAD) 모델을 사용하여 물체를 집어 올리고, 다시 잡고, 배치하는 방법을 학습하며, 특정 물체에 대한 사전 경험이나 만남이 전혀 없습니다.
“SimPLE의 약속은 시뮬레이션을 사용하여 각 특정 작업에 적응하는 모델을 학습하여 동일한 하드웨어와 소프트웨어로 여러 가지 다른 작업을 해결할 수 있다는 것입니다.” MIT 방문 과학자이자 MechE 교수진의 전 멤버이며 현재 Boston Dynamics의 조작 연구 부소장인 Alberto Rodriguez의 말입니다. SimPLE은 Rodriguez의 지도 하에 MIT의 조작 및 메커니즘 연구실(MCube) 멤버가 개발했습니다.
Rodriguez는 “이 연구에서 우리는 다른 전문 분야 없이도 많은 산업용 픽 앤 플레이스 작업에 필요한 수준의 위치 정확도를 달성할 수 있음을 보여줍니다.”라고 말했습니다.
비디오 재생
정밀한 픽 앤 플레이스: MIT 박사과정생인 안토니아 델로레스 브로나스 SM ’22가 새로운 SimPLE(Simulation to Pick-Localize and placE) 시스템을 설명합니다.
비디오: John Freidah/MIT 기계공학과
시각 촉각 감지 기능이 있는 듀얼 암 로봇을 사용하는 SimPLE 솔루션은 세 가지 주요 구성 요소를 사용합니다. 작업 인식 파악, 시각 및 촉각에 의한 지각(시각 촉각 지각), 재파악 계획입니다. 실제 관찰은 감독 학습을 통해 일련의 시뮬레이션 관찰과 일치하여 가능한 객체 포즈의 분포를 추정하고 배치를 수행할 수 있습니다.
실험에서 SimPLE은 다양한 모양의 다양한 물체를 집어 올려 배치하는 능력을 성공적으로 입증했으며, 6개의 물체를 집어 올려 배치하는 경우 90% 이상의 성공률을 보였고, 11개의 물체를 집어 올려 배치하는 경우 80% 이상의 성공률을 보였습니다.
“로봇 커뮤니티에서는 시각과 촉각이 모두 유용하다는 것을 직관적으로 이해하고 있지만 [until now] 기계 공학 박사과정 학생인 Antonia Delores Bronars SM ’22는 “복잡한 로봇 작업에 어떻게 유용할 수 있는지에 대한 체계적인 시연은 많지 않았습니다.”라고 말합니다. 현재 전기 공학 및 컴퓨터 과학(EECS)과 조교수인 Pulkit Agrawal과 함께 일하고 있는 Bronars는 촉각 기능을 로봇 시스템에 통합하는 것을 조사하는 박사 과정을 계속하고 있습니다.
“대부분의 파악 작업은 하류 작업을 무시합니다.” Berkshire Grey의 수석 과학자이자 Carnegie Mellon University의 명예 교수인 Matt Mason은 이 작업에 참여하지 않았지만 이렇게 말합니다. “이 논문은 인간을 모방하려는 욕구를 넘어서서 엄밀히 기능적인 관점에서 촉각적 감지, 시각을 두 손과 결합하는 것의 유용성을 보여줍니다.”
캘리포니아 대학교 버클리 캠퍼스의 윌리엄 S. 플로이드 주니어 공학 명예의장인 켄 골드버그는 이 연구에 참여하지 않았지만, 논문에 설명된 로봇 조작 방법론은 AI와 머신 러닝 방법을 향한 추세에 대한 가치 있는 대안을 제공한다고 말합니다.
골드버그는 Ambi Robotics와 Jacobi Robotics의 공동 창립자이자 수석 과학자이기도 하며, “저자들은 특정 객체 모양 세트에 대해 높은 정밀도를 안정적으로 달성할 수 있는 잘 확립된 기하학적 알고리즘을 결합하고, 이 조합이 AI 방법보다 성능을 크게 향상시킬 수 있음을 보여줍니다.”라고 말합니다. “이것은 산업에서 즉시 유용할 수 있으며, 제가 ‘좋은 구식 엔지니어링'(GOFE)이라고 부르는 것의 훌륭한 예입니다.”
바우자와 브로나스는 이 작업이 여러 세대에 걸친 협력의 영향을 받았다고 말합니다.
“시각과 촉각이 어떻게 함께 유용할 수 있는지 실제로 보여주기 위해서는 완전한 로봇 시스템을 구축해야 하는데, 이는 단시간 내에 한 사람으로 하기 매우 어려운 일입니다.”라고 브로나스는 말합니다. “서로 그리고 니킬과의 협업 [Chavan-Dafle PhD ‘20] 그리고 이판 [Hou PhD ’21 CMU]그리고 여러 세대와 연구실을 거쳐서 우리는 엔드투엔드 시스템을 구축할 수 있었습니다.”
