Nieuw pick-and-place-systeem kan onbekende objecten oppakken en identificeren

Een nieuw 'pick-and-place'-systeem ontwikkeld door het Massachusetts Institute of Technology (MIT) is in staat razendsnel de beste methode te identificeren om een object vast te pakken, zonder vooraf kennis te hebben over dit object. Ook kan het systeem objecten classificeren, zodat deze bijvoorbeeld in verschillende bakken kunnen worden gesorteerd. Het systeem kan in de toekomst onder meer worden ingezet voor het organiseren van producten in een magazijn.

Pick-and-place-systemen zijn niet nieuw. Dergelijke systemen worden doorgaans ingezet in nauw gecontroleerde omgevingen om één specifieke repetitieve taak uit te voeren, zoals het oppakken van een bepaald onderdeel van een productielijn. Deze handeling wordt telkens op exact dezelfde wijze uitgevoerd, waarbij ieder product in dezelfde oriëntatie aan de robot wordt gepresenteerd. Dergelijke systemen zijn hierdoor weinig flexibel en niet geschikt om bijvoorbeeld een groot aantal verschillende objecten door elkaar heen op te pakken en te sorteren.

Deep learning

Het nieuw systeem ontwikkeld door onderzoekers van de Amerikaanse universiteiten MIT en Princeton University biedt deze mogelijkheid wel. Het systeem bestaat uit een ‘standaard’ industriële robotarm, die door de onderzoekers is voorzien van een op maat gemaakte grijper en zuignap. Met behulp van een deep neural network kan de robot identificeren hoe een object het best kan worden opgepakt, welk hulpstuk hiervoor het best kan worden gebruikt en in welke oriëntatie het oppakken de grootste kans van slagen heeft. Dit zonder dat hiervoor kennis over een object noodzakelijk is. 

Een dergelijke deep neural network moet getraind worden voordat het resultaten oplevert. Om dit mogelijk te maken hebben de onderzoekers een groot aantal afbeeldingen verzameld waarop vanuit het perspectief van de robot bakken worden getoond die vol zitten met objecten. Per afbeelding hebben de onderzoekers aangegeven welke objecten de robot kan oppakken en welke juist niet. Deze pogingen werden door de onderzoekers gemarkeerd als een succes of een mislukking. Ook gaven de onderzoekers per object aan of deze het best kan worden opgepakt met behulp van de grijper of juist de zuignap en welke oriëntatie het gereedschap hierbij het best kan hebben. 

Deze data is opgeslagen in een database, die vervolgens is gebruikt om het deep neural network te trainen. Een dergelijk netwerk is in staat problemen die het tegenkomt eigenhandig op te lossen door te kijken naar eerdere vergelijkbare situaties met een positieve uitkomst.

Objecten identificeren

Zodra het object is vastgepakt, tilt het systeem het object uit de bak. Het object wordt vervolgens vanuit verschillende hoeken met behulp van camera’s in beeld gebracht. De beelden die hierbij worden verzameld worden beoordeeld met behulp van een algoritme, dat de afbeelding koppelt aan stockfoto’s die staan opgeslagen in een hiervoor ontwikkelde database. Op deze manier kan het robotsysteem onbekende objecten identificeren en classificeren, zodat deze in verschillende bakken kunnen worden gesorteerd. 

“Dit kan worden toegepast voor sortering in een magazijn, maar ook om objecten te pakken uit een keukenkastje of puin op te ruimen na een ongeluk. Er zijn veel situaties waarop picking technologieën een impact kunnen hebben”, legt Alberto Rodriguez, hoogleraar Machinebouw bij het MIT en betrokken bij de ontwikkeling van het systeem, uit. 

Amazon Robotics Challenge

Het team van Rodriquez heeft in juli deelgenomen aan de Amazon Robotics Challenge, een jaarlijkse competitie georganiseerd door e-commercegigant Amazon om innovaties in magazijntechnologie te bevorderen. Het pick-and-place-systeem werd hierbij uitgedaagd objecten uit een volle bak te pakken of deze juist hierin te plaatsen. De robot bleek bij het oppakken van objecten met behulp van zijn zuignap een succesratio van 54% te hebben, terwijl pogingen objecten op te pakken met zijn grijper in 75% van de gevallen succesvol waren. De robot wist alle objecten waarmee het werd geconfronteerd met een nauwkeurigheid van 100% te identificeren. Daarnaast kon het systeem alle twintig objecten in de beschikbare tijd in een bak plaatsen. 

Rodriquez kreeg voor zijn werk een Amazon Research Award toegewezen en gaat de pick-and-place-technologie verder ontwikkelen in samenwerking met Amazon. De focus ligt hierbij op het vergroten van de snelheid en het reactievermogen van het systeem.

Paper

De onderzoekers presenteren op de IEEE International Conference on Robotics and Automation in mei een paper met meer details over hun pick-and-place-systeem. 

Auteur: Wouter Hoeffnagel
Bron: MIT
Bron foto: screenshot van video