Chemia i Biznes

W ramach naszej witryny stosujemy pliki cookies w celu świadczenia Państwu usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Państwa urządzeniu końcowym. Mogą Państwo dokonać w każdym czasie zmiany ustawień dotyczących cookies. Więcej szczegółów w naszej "Polityce prywatności Cookies"

Rozumiem i zgadzam się

Konfiguracja makiety

Jak uczą się roboty? - Grzegorz Bartyzel, specjalista ds. AI z firmy FITECH

2022-06-28

Szybki rozwój środowiska 5G, technologii komunikacyjnych, sztucznej inteligencji i uczenia maszynowego umożliwiają zastosowanie inteligentnych algorytmów do rozwoju robotów przemysłowych o zupełnie nowych funkcjonalnościach. A nowe możliwości oznaczają nowe zastosowania, wspierające rozwój przemysłu i podnoszące opłacalność produkcji.

Roboty przemysłowe wykonują automatycznie różnego typu zadania, przyjmując polecenia i realizując odpowiadające im funkcje w oparciu o procedury programów lub wykorzystując technologię sztucznej inteligencji. Jednak zdolność robotów do wykonywania zaprogramowanych zadań zależy w dużej mierze od dokładnego wykrywania celów oraz identyfikowania tych zadań, a więc od systemu wizyjnego.

Różne, zmieniające się typy produkcji i produktów sprawiają, że tradycyjne metody pozycjonowania oraz rozpoznawania charakteryzują się poważnymi błędami oraz niską dokładnością. Z tego też względu w złożonych środowiskach wiele zadań jest wciąż wykonywanych manualnie.

Dlatego tak przełomowa okazała się technologia głębokiego uczenia (deep learning), która umożliwiła analizę różnego typu danych, jak np. obraz czy odczyt siły z czujników zamontowanych na robocie. Zastosowanie metod głębokiego uczenia pozwala na tworzenie bardziej generycznych i odpornych rozwiązań do montażu elementów na liniach produkcyjnych. W związku z tym, we współczesnej robotyce z powodzeniem stosuje się algorytmy wizyjne do wyznaczania lokalizacji oraz planowania trajektorii ruchu ramienia robota.

Sztuczna inteligencja pomaga robotowi przemysłowemu wykrywać i chwytać różnego typu obiekty pomimo różnic w kształcie. Dlatego doskonałym przykładem uczenia maszynowego jest np. lokalizacja elementów do pobrania w przestrzeni roboczej robota albo stanowisko do zapewnienia kontroli jakości PCBA na liniach produkcyjnych w fabrykach elektroniki.

Bez uczenia maszynowego automatyzacja przy dużej liczbie typów części nie byłaby opłacalna, ponieważ wymagałaby nieustannej ingerencji ze strony inżyniera produkcji. Jednak roboty wykorzystujące technologie AI mogą pobierać obrazy nowych części np. z chmury danych, a następnie z powodzeniem chwytać oraz manipulować nowymi elementami.

Sztuczna inteligencja wykorzystywana jest głównie w trzech obszarach robotyki, dzięki którym zastosowania robotów stają się coraz bardziej funkcjonalne, a także bardziej opłacalne. Są to:

  • Systemy wizyjne: sztuczna inteligencja pomaga robotom rozpoznawać obiekty z dużo większą dokładnością i wykrywać przedmioty, których wcześniej nie "widziały".
  • Systemy sterowania ruchem: dzięki algorytmom sztucznej inteligencji, które pomagają robotom ustalić najlepszą pozycję i orientację chwytanego obiektu, oraz trajektorię optymalnego ruchy ramienia robota.
  • Dane: algorytmy sztucznej inteligencji dają robotom i systemom dostęp do olbrzymich ilości danych, które pozwalają określić czysto fizyczne oraz logistyczne wzorce i odpowiednio na nie reagować.

Jeśli chodzi o zastosowania w robotyce, sztuczna inteligencja z wolna wkracza w procesy przemysłowe, ale już teraz wywiera istotny wpływ na procesy produkcji oraz rozwiązania logistyczne. Tworzone systemy pozwalają budować całkowicie zautomatyzowane linie produkcyjne, zautomatyzowane stanowiska kontrolne oraz zautomatyzowane rozwiązania logistyczne. To nowa era automatyzacji procesów przemysłowych, która może przynieść przedsiębiorstwom realne korzyści i pozwala osiągnąć przewagę konkurencyjną.

Obecnie w inteligentnej robotyce pojawiła się nowy trend, zwany głębokim uczeniem ze wzmocnieniem (deep reinforcement learning), gdzie roboty same uczą się wykonywać zadane im zadania. To rozwiązanie w przyszłości może znacząco zredukować ingerencje inżyniera w konfiguracje procesów przemysłowych. Jest to na razie na wczesnym stadium rozwoju, dlatego póki co trudno przewidzieć efekty finalne tych prac.

Podoba Ci się ten artykuł? Udostępnij!

Oddaj swój głos  

Ten artykuł nie został jeszcze oceniony.

Dodaj komentarz

Redakcja Portalu Chemia i Biznes zastrzega sobie prawo usuwania komentarzy obraźliwych dla innych osób, zawierających słowa wulgarne lub nie odnoszących się merytorycznie do tematu. Twój komentarz wyświetli się zaraz po tym, jak zostanie zatwierdzony przez moderatora. Dziękujemy i zapraszamy do dyskusji!


WięcejSklep

Książka: Surfaktanty i ich zastosowanie w produktach kosmetycznych

95.00 zł

"Kosmetyki i Detergenty" nr 1/2024

Nowość!Dostęp online

30.00 zł

“Chemia i Biznes” nr 3/2024

Nowość!Dostęp online

30.00 zł

“Chemia i Biznes” nr 2/2024

Dostęp online

20.00 zł

Bilety - XIII Międzynarodowa Konferencja Przemysłu Chemii Gospodarczej

Nowość!

553.50 zł

Książka: Zagęstniki (modyfikatory reologii) w produktach kosmetycznych

78.00 zł

Emulsje i inne formy fizykochemiczne produktów kosmetycznych. Wprowadzenie do recepturowania

Nowość!

108.00 zł

WięcejNajnowsze

Więcej aktualności



WięcejNajpopularniejsze

Więcej aktualności (192)



WięcejPolecane

Więcej aktualności (97)



WięcejSonda

20 lat w UE to dla polskiej chemii?

Zobacz wyniki

WięcejW obiektywie