Skrevet av Greg Nichols, bidragsyter 
Greg Nichols
Full bio Publisert i Robotics 10. januar 2022 | Emne: Robotikk
Pixabay
Vår egen hjerne bruker alle disse tre teknikkene sammen for å gi oss en rik forståelse av verden rundt oss som går utover å bare bygge en 3D-modell.
GN: Hvorfor er det en bedre teknologisk sak for maskinsyn over LiDAR for mange robotapplikasjoner?
Rand Voorhies: LiDAR er godt egnet for utendørs bruk hvor det er mye ukjente og inkonsekvenser i terrenget. Derfor er det den beste teknologien for selvkjørende biler. I innendørsmiljøer er maskinsyn det beste teknologiske tilfellet. Ettersom lysfotoner spretter av objekter i et lager, kan roboter lett bli forvirret under ledelse av LiDAR. De har en vanskelig tid med å skille for eksempel en boks med inventar fra en inventarstativ – begge er bare objekter for dem. Når robotene er dypt inne i gangene til store varehus, går de ofte seg vill fordi de ikke kan skille landemerkene sine. Deretter må de kartlegges på nytt.
Ved å bruke maskinsyn kombinert med fiducial markører, vet våre inVia Picker-roboter nøyaktig hvor de er til enhver tid. De kan “se” og skille landemerkene sine. Nesten alle LiDAR-baserte lager-/industriroboter krever noen pålitelige markører for å fungere. Maskinsynsbaserte roboter krever flere markører. Sistnevnte krever ekstra tid og kostnader for å distribuere lange ruller med klistremerker kontra færre individuelle klistremerker, men når du tar med tiden og kostnadene for å utføre vanlig LiDAR-kartlegging, svinger balansen langt til fordel for rent syn. Til syvende og sist er 2D-maskinsyn i lagerinnstillinger billigere, enklere og mer pålitelig enn LiDAR.
Hvis din bruk av roboter ikke krever særlig høy presisjon og pålitelighet, kan LiDAR være tilstrekkelig. Men for systemer som ikke har råd til tap i nøyaktighet eller oppetid, kan maskinsynssystemer virkelig vise sine styrker. Fiducial-baserte maskinsynssystemer lar operatører sette markører nøyaktig der presisjon er nødvendig. Med inVias system som plukker og plasserer vesker utenfor reolen, plasserer disse markørene på veskene og reolen gir millimeternivånøyaktighet for å sikre at hver veske plasseres nøyaktig der den skal være uten feil. Å prøve å oppnå dette med et rent LiDAR-system vil være uoverkommelig for kommersiell bruk.
GN: Hvorfor finnes det en bedre forretningscase?
Rand Voorhies: På forretningssiden er saken også enkel. Maskinsyn sparer penger og tid. Selv om LiDAR-teknologien har sunket i kostnader gjennom årene, er den fortsatt dyr. Vi er forpliktet til å finne de mest kostnadseffektive teknologiene og komponentene for robotene våre for å gjøre automatisering tilgjengelig for virksomheter av alle størrelser. Hos inVia er vi drevet av en etos om å gjøre kompleks teknologi enkel.
Forskjellen i tiden det tar å oppfylle bestillinger med maskinsyn versus med LiDAR og alle krav til re-kartlegging er kritisk. Det kan bety forskjellen på å få en bestilling til en kunde i tide eller en dag for sent. Hver robot som går seg vill på grunn av LiDAR re-mapping reduserer systemets ROI.
Selve maskinvaren er også billigere ved bruk av maskinsyn. Kameraer er billigere enn LiDAR, og de fleste LiDAR-systemer trenger uansett kameraer med fiducials. Med maskinsyn, er det en ekstra engangslønnskostnad for å bruke fiducials. Imidlertid er det ekstremt billig arbeidsmessig å bruke fiducials én gang på totes/reoler og resulterer i et mer robust system med mindre nedetid og feil.
GN: Hvordan vil maskinsyn endre landskapet med hensyn til robotikkadopsjon i sektorer som logistikk og oppfyllelse?
Rand Voorhies: < /strong>Maskinsyn har allerede gjort inntrykk i logistikk- og oppfyllelsessentre ved å automatisere utenatlige oppgaver for å øke produktiviteten til arbeidskraft. Varehus som bruker roboter for å oppfylle bestillinger, kan supplere en knapp arbeidsstyrke og la deres ansatte administrere oppgavene av høyere orden som involverer beslutningstaking og problemløsning. Maskinsyn gjør det mulig for flåter av mobile roboter å navigere på lageret, utføre nøkkeloppgaver som plukking, etterfylling, lagerflytting og lagerstyring. De gjør dette uten forstyrrelser og med maskinpresisjon.
Å bruke robotsystemer drevet av maskinsyn fjerner også barrierer for adopsjon på grunn av deres rimelige priser. Små og mellomstore bedrifter som pleide å bli priset ut av markedet for tradisjonell automatisering, kan høste de samme fordelene av å automatisere repeterende oppgaver og dermed vokse virksomheten.
GN: Hvordan bør varehus gå om å kartlegge landskapet til robotteknologi mens de ser etter nye systemer?
Rand Voorhies: Det er mange robotløsninger på markedet nå, og hver av dem bruker svært avansert teknologi for å løse et spesifikt problem som lageroperatører står overfor. Så det viktigste trinnet er å identifisere den største utfordringen din og finne løsningen som løser den.
For eksempel har vi hos inVia laget en løsning som spesifikt takler et problem som er unikt for e-handel. Å oppfylle e-handelsordrer krever tilfeldig tilgang til et stort antall forskjellige SKU-er i individuelle tellinger. Det er veldig forskjellig fra detaljhandel, hvor du henter bulkmengder av SKU-er og sender dem ut i kofferter og/eller paller. De to operasjonene krever svært forskjellige oppsett og planer for lagring og gjenfinning. Vi har laget proprietære algoritmer som spesifikt skaper raskere baner og prosesser for å hente tilfeldig tilgang til SKUer.
E-handel er også mye mer arbeidsavhengig og tidkrevende, og derfor kostbar. Så disse varehusene ønsker å ta i bruk robotteknologier som kan hjelpe dem å redusere kostnadene for arbeidskraften deres, samt tiden det tar å få bestillinger ut døren til kundene. De har SLAer (service level agreements) som dikterer når bestillinger må plukkes, pakkes og sendes. De må spørre leverandører hvordan teknologien deres kan hjelpe dem med å eliminere blokkeringer for å oppfylle disse SLAene.
Robotikk
Denne Labrador “Retriever”-roboten hjelper de med kroniske smerter De beste robotstøvsugere tilgjengelig nå. Kan dette være året for roboten til å lage pizza? Slik slutter du å bekymre deg og ønsker robotene velkommen i 2022 Maskinvare | CXO | Innovasjon | Kunstig intelligens