Greg Nichols
Fuld biografi Udgivet i Robotics den 10. januar 2022 | Emne: Robotics
Pixabay
Vores egne hjerner bruger alle tre af disse teknikker sammen for at give os en rig forståelse af verden omkring os, der rækker ud over blot at bygge en 3D-model.
GN: Hvorfor er der et bedre teknologisk grundlag for maskinsyn over LiDAR til mange robotapplikationer?
Rand Voorhies: LiDAR er velegnet til udendørs applikationer, hvor der er mange ubekendte og uoverensstemmelser i terræn. Derfor er det den bedste teknologi til selvkørende biler. I indendørs miljøer gør maskinsyn den bedste teknologiske sag. Da lysfotoner preller af objekter i et lager, kan robotter let blive forvirrede under ledelse af LiDAR. De har svært ved at skelne, f.eks. en kasse med inventar fra en rack med inventar – begge er bare objekter for dem. Når robotterne er dybt inde i gangene på store varehuse, farer de ofte vild, fordi de ikke kan skelne mellem deres vartegn. Så skal de kortlægges igen.
Ved at bruge machine vision kombineret med fiducial markører, ved vores inVia Picker robotter præcis, hvor de er på ethvert tidspunkt. De kan “se” og differentiere deres vartegn. Næsten alle LiDAR-baserede lager-/industrirobotter kræver nogle pålidelige markører for at fungere. Maskinsynsbaserede robotter kræver flere markører. Sidstnævnte kræver ekstra tid og omkostninger til at implementere lange ruller klistermærker i forhold til færre individuelle klistermærker, men når du medregner tiden og omkostningerne til at udføre almindelig LiDAR-kortlægning, svinger balancen langt til fordel for rent syn. I sidste ende er 2D maskinsyn i lagerindstillinger billigere, nemmere og mere pålideligt end LiDAR.
Hvis din brug af robotter ikke kræver særlig høj præcision og pålidelighed, så kan LiDAR være tilstrækkeligt. Men for systemer, der ikke har råd til noget tab i nøjagtighed eller oppetid, kan machine vision-systemer virkelig vise deres styrker. Fiducial-baserede machine vision-systemer giver operatører mulighed for at placere markører præcis, hvor præcision er påkrævet. Med inVias system, der plukker og placerer kasser ud af reolen, placerer disse markører på kasserne, og reolen giver millimeterniveaunøjagtighed for at sikre, at hver kasse er placeret præcis, hvor den skal gå uden fejl. At forsøge at opnå dette med et rent LiDAR-system ville være uoverkommelige for kommerciel brug.
GN: Hvorfor er der en bedre business case?
Rand Voorhies: På forretningssiden er sagen også enkel. Maskinsyn sparer penge og tid. Selvom LiDAR-teknologien er faldet i omkostninger gennem årene, er den stadig dyr. Vi er forpligtet til at finde de mest omkostningseffektive teknologier og komponenter til vores robotter for at gøre automatisering tilgængelig for virksomheder af enhver størrelse. Hos inVia er vi drevet af en etos om at gøre kompleks teknologi enkel.
Forskellen i den tid, det tager at opfylde ordrer med maskinsyn versus med LiDAR og alle dens krav til omlægning af kortlægning er kritisk. Det kan betyde forskellen på at få en ordre til en kunde til tiden eller en dag for sent. Hver robot, der går tabt på grund af LiDAR re-mapping, reducerer systemets ROI.
Selve hardwaren er også billigere, når man bruger maskinsyn. Kameraer er billigere end LiDAR, og de fleste LiDAR-systemer har alligevel brug for kameraer med fiducials. Med maskinsyn er der en ekstra engangslønomkostning at anvende fiducials. Det er dog ekstremt billigt at anvende fiducials én gang på kasser/reoler, arbejdsmæssigt og resulterer i et mere robust system med mindre nedetid og fejl.
GN: Hvordan vil maskinsyn ændre landskabet med hensyn til anvendelse af robotter i sektorer som logistik og opfyldelse?
Rand Voorhies: < /strong>Machine vision gør allerede en indvirkning i logistik- og opfyldelsescentre ved at automatisere udenadslige opgaver for at øge produktiviteten af arbejdskraft. Varehuse, der bruger robotter til at udføre ordrer, kan supplere en knap arbejdsstyrke og lade deres folk styre de højere ordensopgaver, der involverer beslutningstagning og problemløsning. Machine vision gør det muligt for flåder af mobile robotter at navigere på lageret og udføre nøgleopgaver som pluk, genopfyldning, lagerflytninger og lagerstyring. De gør dette uden afbrydelser og med maskinpræcision.
Brug af robotsystemer drevet af maskinsyn fjerner også barrierer for adoption på grund af deres overkommelige priser. Små og mellemstore virksomheder, der før blev prissat ud af markedet for traditionel automatisering, er i stand til at høste de samme fordele ved at automatisere gentagne opgaver og derfor vokse deres virksomheder.
GN: Hvordan skal varehuse gå i gang med at undersøge landskabet af robotteknologier, mens de søger at indføre nye systemer?
Rand Voorhies: Der er mange robotløsninger på markedet nu, og hver af dem bruger meget avanceret teknologi til at løse et specifikt problem, som lageroperatører står over for. Så det vigtigste skridt er at identificere din største udfordring og finde den løsning, der løser den.
For eksempel har vi hos inVia skabt en løsning, der specifikt tackler et problem, der er unikt for e-handels opfyldelse. At opfylde e-handelsordrer kræver tilfældig adgang til et stort antal forskellige SKU'er i individuelle optællinger. Det er meget forskelligt fra detailsalg, hvor du henter bulkmængder af SKU'er og sender dem ud i kufferter og/eller paller. De to operationer kræver meget forskellige opsætninger og planer for opbevaring og hentning. Vi har skabt proprietære algoritmer, der specifikt skaber hurtigere stier og processer til at hente tilfældigt tilgåede SKU'er.
E-handel er også meget mere arbejdsafhængig og tidskrævende og derfor dyr. Så disse varehuse ønsker at anvende robotteknologier, der kan hjælpe dem med at reducere omkostningerne til deres arbejdskraft, såvel som den tid, det tager at få ordrer ud af døren til kunderne. De har SLA'er (service level agreements), der dikterer, hvornår ordrer skal plukkes, pakkes og sendes. De er nødt til at spørge leverandører, hvordan deres teknologi kan hjælpe dem med at fjerne blokeringer for at opfylde disse SLA'er.
Robotik
Denne Labrador “Retriever”-robot hjælper dem med kroniske smerter. De bedste robotstøvsugere tilgængelig nu. Kunne dette være året for pizzafremstillingsrobotten? Sådan stopper du med at bekymre dig og byder robotterne velkommen i 2022 Hardware | CXO | Innovation | Kunstig intelligens