ビジョンベースのロボットピッキング

小型で不規則な形状の金属部品は、産業規模で確実にピックアップすることが困難です。NTT DATAは、ある製造業のクライアント向けに、姿勢推定、把持戦略、サイクル制御、高精度シミュレーション、および実験室での検証を組み合わせた、ビジョンベースのエンドツーエンドのピック・アンド・プレースソリューションを設計しました。この取り組みでは、実験室環境でソリューションの統合とテストを行い、産業用設計の目標として単一ロボットアーキテクチャを採用しました。
ビジョンガイド式の産業用ロボットが、精密製造セル内の青いビンから不規則な形状の金属部品を取り出しています。
単一ロボット設計
1サイクルで2つの処理工程
ワンショット・アダプテーション
新たな変異株の出現を早める要因
シミュレーション優先
統合前の仮想検証
再利用可能な土台
スケール拡大のためのツイン資産と対照資産
コンパクトなピック・アンド・プレース・セル内では、1台の産業用ロボットが、投入ステーション、加工ステーション、排出ステーションの間で金属部品を搬送しています。
柔軟なロボットハンドリングのための視覚・把持・動作の協調

視覚、把持、および動作制御を1つの協調サイクルに統合することで、ロボットセルはより多様な部品に対応できるようになり、実験室での検証から産業現場への導入に至るまでの道筋がより明確になります。

2台のロボットによる工程と、ばらつきが大きい金属部品により、確実なピッキング、セルの簡素化、および産業規模での展開は、切り離せない技術的課題となった。
目的
この取り組みは、小型で形状のばらつきが大きく不規則な金属部品を対象とした、拡張性のあるピック・アンド・プレース工程の産業化を目指したものである。これには、堅牢な姿勢推定、信頼性の高い把持、および協調的な作業実行が必要とされた。また、単一のロボットを中心にセルを再設計し、現場への導入に先立ち、その動作を仮想環境で検証する必要があった。
機会
実験室で検証済みのシミュレーション環境、制御ソフトウェア、およびパラメータ化されたモデル調整手法が整備されたことで、顧客はプロセス全体を再設計することなく、新たな部品をシステムに追加するための基盤を得ました。次の課題は、このアーキテクチャをさらなる製品ファミリーへと拡張し、生産環境下での性能を確認するとともに、測定された稼働データを活用して、サイクルタイム、安定性、メンテナンス、および品質の成果をさらに改善することです。
加工品のばらつきを、再現性のあるロボットサイクルに変える

この課題は、単に物体を認識するだけにとどまりませんでした。このシステムは、不規則な形状の構成要素を確実に認識・把持・移動させると同時に、システムの複雑さを低減し、導入リスクを最小限に抑えなければなりませんでした。

主な課題
青いビンに入っている、さまざまな形状の金属加工部品の俯瞰図。奥行カメラとロボットの手首が、ビジョンベースのピッキングを行うために配置されている。
1: 不規則な構成要素の認識
さまざまな形状、向き、遮蔽の程度を持つ小さな金属部品が搬入されました。この取り組みでは、モデルを一から作り直すことなく、新しいバリエーションに適応できる堅牢な姿勢推定が必要とされました。
技術者が見守る中、精密組立治具上の複雑な金属部品にロボットグリッパーが位置合わせを行う様子のクローズアップ。
2: 信頼性の高い把持の実現
姿勢だけでは不十分でした。グリッパーの設計では、スライダー本体やプーラーといった複雑な形状に対応し、サイクル全体を通じてより安定したハンドリングを実現する必要がありました。
2台の産業用ロボットアームが、設備、ガード、配線が重複配置された、狭く構成された製造セルを共有している。
3: 2つのロボット操作ステップの統合
既存の流れでは、作業全体に2つのロボットアームが使用されていました。目標とするアーキテクチャでは、タスクロジックとサイクル管理を連携させ、1台のロボットで両方のステップを実行できるようにする必要がありました。
2人のロボット工学技術者が、キャリブレーションターゲットと物理的な試験治具を用いて、実験室内でピック・アンド・プレース・セルの検証を行っています。
4: 現場導入前の検証
試運転時の物理的な試行錯誤は、統合にかかる工数を増やし、生産に支障をきたす可能性があります。そのため、この課題を解決するには、現場での統合に先立ち、高精度なシミュレーションと反復的な実験室試験が必要でした。
解決策
知覚から実行に至るまで、一貫したインテリジェンス層

NTT DATAは、仮想モデル、知覚モデル、グリッパーの制御戦略、およびサイクル制御ソフトウェアをエンドツーエンドのアプローチとして統合し、実験室環境で統合・検証を行った。

チェックアイコン
バリアント対応の姿勢推定

ターゲットコンポーネントに対して基礎となる姿勢推定モデルを微調整し、ワンショットアプローチを用いて新しいバリエーションへの適応を高速化する。

チェックアイコン
複雑な部品の加工戦略を把握する

このアプローチを、スライダー本体やプラーなど、より複雑な部品にも適用し、それらの形状に合わせてグリッパーの動作戦略を調整した。

チェックアイコン
全工程管理

ピック・アンド・プレース工程全体にわたるタスク実行およびサイクル管理を開発し、単一ロボットアーキテクチャ向けの制御ロジックを最適化した。

チェックアイコン
シミュレーション主導の検証

ロボット、グリッパー、および部品について、リアルな視覚的・物理的挙動を備えた高忠実度のシミュレーションを構築し、その後、反復的な実験室での実証やテスト・調整セッションを通じて、ソリューションを統合・検証した。

影響
産業規模でのピッキングに向けた、より明確な道筋

このイニシアチブにより、再利用可能なデジタルツイン資産、制御ソフトウェア、および実験室で検証済みの技術ロードマップからなる、実用化に向けた基盤が確立されました。これにより、バリエーションの導入にかかる労力の軽減、導入前の実機による反復試験の削減、およびセルアーキテクチャの簡素化が実現されます。
次のステップは、生産データを用いて、ピッキングの安定性、可用性、および不良品の削減における効果を確認することです。

ドラッグ