Algoritma Optimalisasi Robot untuk Tugas di Ruang Manufaktur yang Komplek

Algoritma Optimalisasi Robot untuk tugas yang membosankan dan berulang. Bisakah mereka diotomatisasi untuk ruang kerja yang lebih kompleks?

Para peneliti di USC Viterbi Center for Advanced Manufacturing mengidentifikasi algoritma untuk mengoptimalkan robot untuk memberikan solusi pendek, bebas tabrakan di ruang manufaktur yang kompleks.

Bayangkan sebuah pabrik perakitan mobil: ribuan tugas yang berulang perlu dilakukan setiap hari, seperti memasukkan setir ke dalam mobil. Setelah robot mempelajari lintasan terbaik untuk mendapatkan dari titik A (di mana roda ditumpuk) ke titik B (di mana roda harus dimasukkan), ia dapat melakukan ini jutaan kali, tanpa kesalahan atau tabrakan.

Namun, jika tugas ini diubah sedikit saja — misalnya menambah ukuran roda — robot tidak akan dapat menyelesaikan tugas.

Untuk membantu mengotomatiskan robot guna memberikan solusi berkualitas tinggi bahkan dalam skenario pembuatan yang kompleks, para peneliti dari Pusat Teknik Lanjutan USC Viterbi School for Advanced Manufacturing (CAM) mengidentifikasi pendekatan baru untuk mengotomatisasi jalur robot melalui ruang kerja mereka. Dalam penelitian yang dipresentasikan pada Konferensi Internasional tentang Robot Cerdas dan Sistem pada 4 November 2019 di Makau, Cina, tim peneliti, termasuk Profesor SK Gupta, Profesor Internasional Smith di bidang Teknik Mesin dan direktur CAM, dan Ph.D. kandidat Pradeep Rajendran, mengusulkan algoritma perencanaan jalur baru dan antarmuka yang memandu robot untuk mengambil rute terpendek dan tercepat dari titik sumber ke titik tujuan di ruang kerja dengan input manusia minimal.

Setelah membaca Sain Tekno Media seputar Algoritma Optimalisasi Robot untuk tugas yang membosankan dan berulang, baca juga artikel tentang Tes Robot Polisi Boston : Panggilan untuk menyelidiki.

“Kami mengusulkan pendekatan untuk memperoleh umpan balik manusia selama perencanaan jalur otomatis untuk manipulator yang beroperasi di ruang kerja yang sangat kompleks — misalnya, operasi perakitan satelit,” kata Rajendran. “Biasanya, operator robot menggunakan perencana jalur otomatis untuk merencanakan lintasan bagi robot untuk menyelesaikan tugas di dalam ruang kerja. Jika perencanaan lintasan gagal — artinya lintasan yang diusulkan tidak membuahkan hasil yang diinginkan — operator robot harus secara manual memasukkan titik arah — spesifik menunjuk di sepanjang jalan untuk memandu robot dari sumbernya ke tujuannya. ”

Situasi ini muncul lebih sering di ruang kerja yang kompleks atau terbatas, seperti operasi perakitan satelit, di mana geometri ruang kerja yang lebih sulit, hambatan fisik dan perubahan atau penyesuaian yang lebih sering membutuhkan robot untuk menjalankan jalur yang rumit. Akibatnya, operator robot membuang waktu berharga secara manual memasukkan informasi untuk setiap skenario, mengalahkan tujuan menggunakan otomatisasi di tempat pertama.

Algoritma bekerja dengan menyediakan antarmuka yang mudah digunakan untuk robot untuk mengumpulkan input operator manusia di awal perencanaan jalur — proses pemetaan rute yang harus dilalui robot melalui tempat kerja untuk menyelesaikan tugasnya. Operator manusia disiagakan, melalui isyarat visual dalam program, ke area yang lebih rumit yang perlu dinavigasi robot dan dapat memberikan informasi yang sesuai, untuk menghasilkan arahan tingkat tinggi. Akibatnya, ketika robot menghadapi sedikit perubahan dalam tugasnya – seperti peningkatan ukuran roda yang disebutkan di atas – ia akan dapat menggambar pada arahan ini dan menyesuaikan jalannya.

Jika telah membaca Sain Tekno Media seputar Algoritma Optimalisasi Robot untuk tugas yang membosankan dan berulang, jangan lupa dibaca artikel seputar Mars Eropa berkeliaran dalam ‘perlombaan melawan waktu’ untuk memperbaiki parasut.

Metode yang dirancang oleh para peneliti di Departemen Aerospace dan Teknik Mesin USC Viterbi — yang juga termasuk rekan peneliti pasca-doktoral, Ariyan Kabir, Ph.D. mahasiswa Shantanu Thakar dan ilmuwan riset CAM, Brual Shah — memprioritaskan otomatisasi, memastikan bahwa program perencanaan jalur hanya memunculkan bantuan ketika dibutuhkan. Biasanya dibutuhkan 15 hingga 30 menit untuk menentukan jalur secara manual; dengan algoritma perencanaan jalur, jalur dapat dihasilkan dalam beberapa detik.

“Dalam pembuatan volume kecil, robot melakukan banyak tugas non-berulang yang sering berubah. Memprogram robot untuk masing-masing iterasi tugas tidak hanya memakan waktu, itu membosankan dan tidak efisien,” kata Rajendran. “Dengan algoritma baru ini, kami menunjukkan bahwa banyak proses non-berulang yang ditemui dalam aplikasi manufaktur volume kecil dapat diotomatisasi dengan mudah, dengan input minimal dari operator manusia.”

Anda baru saja membaca Sain Tekno Media seputar Algoritma Optimalisasi Robot untuk tugas yang membosankan dan berulang di ruang manufaktur yang komplek.