Робототехника против человеческих решений и операций

Ее цель состоит в оснащении робототехники схожими с человеком возможностями активного восприятия, моделирования мира, планирования и контроля, а также захвата и выполнения манипуляций с предметами. Руководитель проекта, доктор технических наук, профессор Элдерт ван Хентен из Вагенингенского университета и научно-исследовательского центра рассказывает о текущем положении дел.

Вагенингенский университет и научно-исследовательский центр (WUR) будет выступать в роли ведущего, а другие голландские технические университеты (Амстердамский университет, Университет Эйндховена, Университет Делфта, Университет Эйндховена и Твенте) предоставят свои знания в конкретных предметных областях.

ВАРИАТИВНОСТЬ И СЛОЖНОСТЬ

В птицеперерабатывающей промышленности используется огромное количество технологий, но технологическая линия все еще требует довольно много персонала. Люди работают в условиях, требующих многозадачности. Точность, вариативность продукции и сложность играют здесь немаловажную роль. До сих пор решение этих проблем являлось исключительно человеческой прерогативой. Технологии должны сделать значительный шаг вперед для решения этих задач.

«Что касается вариативности и сложности, робототехника в автомобильной промышленности за последнее десятилетие совершила гигантский прорыв», – рассказывает Элдерт ван Хентен. «Мы стремимся добиться такого же прогресса в птицеводстве. Мы можем использовать доступные ресурсы для дальнейшего развития агропродовольственной сферы».

ТЕХНОЛОГИЧЕСКИЕ ВОЗМОЖНОСТИ

Некоторые технологические возможности необходимы для имитации действий человека при столкновении с вариативностью и сложностью продукта.

1. АКТИВНОЕ ВОСПРИЯТИЕ. Эффективная система камер может работать адаптивно, подобно людям, когда они поворачивают голову или объект (кусок мяса), чтобы обнаружить то, что они ищут, например, полоску жира. Это технологический аспект, который включает в себя 3D-реконструкцию, а также понимание объекта и окружающей обстановки.
2. Когда люди видят кусок мяса, они знают, где может быть расположен лишний жир. Люди делают это постоянно. Они собирают знания посредством активного восприятия и хранят эти знания в так называемой «модели мира». Самообучающиеся роботы могут создавать свои собственные МОДЕЛИ МИРА для более эффективной обработки мяса.
3. Люди просто берут в руки нож и начинают резать мясо. Они почти интуитивно определяют очередность и тип операций. Однако для робота эти действия должны строго регулироваться в рамках процессов ПЛАНИРОВАНИЯ И КОНТРОЛЯ ВЫПОЛНЕНИЯ. Сначала робот должен распознать ситуацию, затем он должен найти в своей памяти соответствующие действия, которые соответствуют ситуации, а затем, наконец, выполнить их. На данный момент это требует огромного количества расчетов. Проект FlexCraft направлен на упрощение этой задачи с применением современных методов машинного обучения.
4. ЗАХВАТ И ВЫПОЛНЕНИЕ МАНИПУЛЯЦИЙ заключается в механическом «подбирании» предметов. Человеческая рука – чудо техники, повторить которое для робототехники – крайне непростая задача. TU Delft и TU Enschede уже разработали более простые механизмы, которые учитывают форму, размер, твердость и скользкость предмета, который нужно подобрать.

РАЗДЕЛЕНИЕ И ДОРАБОТКА

Элдерт ван Хентен продолжает: «Marel намеревался роботизировать три конкретные сложные операции по переработке птицы. Первая проблема заключается в захвате и переработке неразделенных продуктов. Разделение – довольно серьезная проблема на любом заводе, поскольку используемое оборудование занимает значительную площадь. В этом не было бы необходимости, если бы робот мог отбирать отдельные продукты из общей массы продукции».

Второй проблемой является эффектная презентация продуктов на полках супермаркета. Третья операция, в которой требуется роботизация – это удаление пятен крови или остатков жира с куска мяса, который удерживается на месте. «Это – самый наглядный пример, потому что люди используют обе руки для выполнения этой сложной операции. Пока одна рука держит продукт, другая – орудует ножом. Но я возлагаю на него большие надежды, поскольку наши технологические партнеры стремятся найти решение этой сложной проблемы».

УРОВЕНЬ TRL

Исследовательский проект продлится 4 года. К тому времени планируется достижение уровня TRL 4 или 5. Уровень готовности технологий (TRL) – это стандарт NASA от 1 до 9, где уровень 1 представляет блестящую идею, а уровень 9 – систему, которая отвечает требованиям конечного продукта. Уровень TRL 4/5 означает, что физический продукт оценивается в промышленной среде, близкой к практике, но еще не интегрированной в линию. «После этого роботизированный проект может появиться на рынке или, если необходимо, могут быть проведены дополнительные научные исследования, например, для сужения текущих широкомасштабных исследования до более специализированных практических решений».

СОВМЕСТНАЯ РАЗРАБОТКА

«Для всех сторон важно, чтобы полученные знания действительно применялись в производственной практике, а не откладывались в долгий ящик. Тем не менее, в рамках программы также должны осуществляться перспективные научные исследования. Обе цели должны идти рука об руку.

С самого начала технические специалисты Marel будут играть очень активную роль в непредвзятом восприятии, передаче знаний и совместном развитии. Магистранты и аспиранты с головой погрузятся в производственную практику в пищевой промышленности, посетят перерабатывающие заводы и примут участие в работе отдела исследований и разработок. Им нужно увидеть, что происходит в отрасли, выяснить, в чем заключаются проблемы и на чем следует сосредоточить внимание», – отметил в заключение Элдерт ван Хентен.