Exjobb: AI-baserad greppstrategi för robot i bin picking-applikationer

I dagsläget sker robotguidningen genom att ta bilder som via bildbehandling tar fram positionerna för de objekt som ska plockas. Förutom positionen behöver roboten också instruktioner om lämpliga grepplägen på objektet. Dessa definieras ofta manuellt i ett användargränssnitt, och testas sedan iterativt med skarpa tester för att justera in kollisionsvolymer, avstånd, vridningar och gripdonsparametrar innan plockinstruktionen kan anses som robust. Denna process är ofta repetitiv och tidskrävande. 

För att förenkla implementationen av bin picking applikationer skulle Mabema vilja utreda möjligheterna att med hjälp av maskininlärning, äkta 3D-data, CAD-modeller på objekt och gripdon genera plocklägen automatiskt. Ett bra plockläge ska vara fritt från kollision mellan robot och objekt/pall/hinder och robotens axlar ska kunna utföra rörelsen fram till greppunkten. Slutligen behöver objektet greppas på ett säkert sätt så att roboten kan förflytta sig utan att tappa objektet.  

Uppgift

Utreda möjligheterna till automatisk plocklägesgenerering med hjälp av maskininlärning. Med utgångspunkt i tillgänglig kodbas för bin picking och hinderdetektion avgöra hur mycket förbättring som kan åstadkommas, hur mycket (annoterad) träningsdata som krävs (till exempel på förhand markerade bra plocklägen), samt vilka realtidsprestanda som kan uppnås på relevant hårdvara. Studien är begränsad till en eller några olika typer av objekt med känd vikt och en robottyp. 

Genomförande

Exjobbet genomförs på Mabema AB, i företagets lokaler i Jägarvallen, typiskt med akademisk handledare och examinator från Linköpings universitet. Mabema kan bistå med teknisk handledning. Miljön är Visual Studio/C#.

Möjliga utökningar av studien

Mabema använder sig sedan ett par år tillbaka av AI i allmänhet och maskininlärning i synnerhet i visionlösningar för avsyning men har nu också börjat använda liknande teknik för robotguidning. Stöd för detta finns i de produkter som Mabema tagit fram. En möjlig fortsättning på studien är att titta på hur AI skulle kunna användas för realtidsguidning av robot hela vägen från hemmaläge till greppläge med en robotmonterad 3D-kamera.  

Ansök via formuläret här.

Fler nyheter

AB Karl Hedin köper Mabemas GPV för automatiserad travmätning

AB Karl Hedin köper Mabemas GPV för automatiserad travmätning

Mabemas GPV för automatiserad travmätning har den påvisat bästa mätnoggrannheten av både m3fub och diameterfördelning vilket är det enskilt viktigaste faktorn för att vi ska känna oss trygga med virkesflödena utöver den övriga rationalisering som automatiserad travmätning innebär.

RobotVision Workshop

På grund av rekordstort intresse för vår workshop i RobotVision, med fokus 3D-applikationer, så...