Firma Soft Robotics wykorzystuje oprogramowanie symulacyjne Nvidii do opracowania nowych rodzajów chwytaków. Roboty, wyposażone w ulepszone manipulatory, to łakomy kąsek dla firm z branży FMCG.
Roboty coraz bardziej inteligentne i… czulsze
Wraz ze wzrostem zaawansowania i skomplikowania zadań, roboty towarzyszące nam w kosmosie czy na halach produkcyjnych potrzebują coraz bardziej zaawansowanych podzespołów. Sensory wizyjne wzorowane na rybach, delikatne czytniki kształtu czy nawet… wysoka inteligencja i humor to tylko wierzchołek góry wymagań, jakie stawiamy maszynom w XXI wieku. Aby sprostać rosnącym wymaganiom, stawianym przez branżę FMCG, firma Soft Robotics wykorzystała zaawansowane oprogramowanie symulacyjne Nvidii do usprawnienia swojej serii bardzo delikatnych chwytaków.
Firmy i inżynierowie od kilku lat starają się zlikwidować lukę w zakresie zadań manipulacyjnych, poszukując zastosowań dla branż wartych wiele miliardów dolarów. Bezpieczne chwytanie i przenoszenie szybko poruszających się przedmiotów na przenośnikach taśmowych to bardzo lukratywna przestrzeń dla biznesów inżynieryjnych.
Aby wykorzystać tą niszę, startup Soft Robotics stara się przyśpieszyć rozwój swoich urządzeń, stosując rozwiązania symulacyjne Nvidii do doskonalenia podnoszenia i umieszczania żywności w opakowaniach.
Szybcy i delikatni manipulatorzy
Systemu mGripAI startupu łączy miękkie chwytaki z systemami wizyjnymi 3D i sztuczną inteligencją, aby chwytać delikatne produkty spożywcze, takie jak białka, produkty spożywcze i wyroby piekarnicze bez uszkadzania ich.
Firma musi opracowywać unikatowe modele dla każdej aplikacji chwytającej. Każda z nich wymaga określonych zestawów danych. A zbieranie informacji ze stosów mokrego, śliskiego kurczaka i innych produktów spożywczych jest trudnym wyzwaniem.
Oprogramowanie Nvidii pozwala zasymulować różne kształty produktu oraz tła, na przykład na przenośnikach taśmowych lub w pojemnikach, z różnymi scenariuszami oświetlenia. Tym samym udaje się wygenerować setki tysięcy obrazów na model i dystrybuować je do szeregu instancji systemu w chmurze. W ten sposób całe rozwiązanie uczy się i dostosowuje do danego produktu dużo szybciej.
Coś, co dla ludzkiego oka i ręki jest bardzo proste, jak wybór kawałka kurczaka z kupki i złapanie go w efektywny sposób, aby przenieść go do opakowania, u maszyny wymaga potężnych modeli obliczeniowych i baz danych które pozwolą mu na wybranie najlepszej ścieżki złapania i przeniesienia kawałka kotleta. Synteza miękkich chwytaków, algorytmów uczenia maszynowego i cyfrowych symulacji skutkuje kilkukrotnie szybszą pracą mechanicznego ramienia w porównaniu do ludzkiego operatora.
Praca z surowym kurczakiem lepiej pasuje do robota.
David Weatherwax, starszy dyrektor ds. inżynierii oprogramowania w firmie Soft Robotics