デジタルツイン技術、マシンビジョン、AIを活用した動作学習を活用し、現代の製造環境において、配置が不規則な産業用部品に対して柔軟なピック・アンド・プレース作業を行う自律型ロボットアーム。
心を動かす会話

デジタルツインを搭載した自律型ロボットアーム

ネットワークに接続されたデジタルツインは、コンピュータビジョンと強化学習を組み合わせることで、ロボットアームとその仮想モデルを同期させ、物体の姿勢を推定し、物理的な実行に先立って自律的なハンドリングを最適化します。
会議のスケジューリング
ポッドキャストを聴く
-15
+15
0:00
/
0:00
反復的な手作業は、生産業務における効率、正確性、および柔軟性を阻害する恐れがあります
なぜ、デジタルツインを活用したこの自律型ロボットアームの課題なのか?
知覚、学習、そして身体的な実行を結びつける

自律型ピック・アンド・プレースには、単調な作業をロボットアームに置き換えるだけでは不十分です。システムは、物体の位置を認識し、それに到達する方法を決定し、仮想環境内で物理的な動作を正確に再現できなければなりません。実際の運用データとシミュレーションを連携させることで、実際の製造や物流プロセスに影響を与える前に、動作を精緻化するための制御された環境を構築することができます。

主なメリット
自律走行への、より制御された道筋

物理環境と仮想環境を連携させることで、オペレーターはロボットの動作を改善しつつ、可能な限り本番環境でのテストや調整を回避することができます。

チェックアイコン
ピック・アンド・プレースの一貫性

オブジェクトの姿勢推定により、ロボットアームがターゲットに接近する際に、より正確かつ再現性の高い操作を行うために必要な位置および姿勢データが得られます。

チェックアイコン
バーチャルファースト検証

オペレーターは、シミュレーションでロボットの動作を確認し、その動作を実機システムに適用する前に、動作上の問題を特定することができます。

チェックアイコン
制作の継続性

試験プロセスの一部を仮想環境に移行することで、稼働中の機器に対して直接実験を行うことに伴う業務への支障を最小限に抑えることができます。

チェックアイコン
運動適応性

強化学習は、さまざまな目標位置を伴う反復的な課題において、目標指向的なアーム動作を自律的に算出することを可能にする。

NTTデータのサポート体制は?

01
現実の腕と仮想の腕を連動させる

NTT DATAは、物理的なロボットシステムとそのデジタルツインを連携させ、動作挙動をリアルタイムで再現できるようにしています。

複数のビジョンセンサー、空間参照マーカー、およびリアルタイムのデジタルツインを用いて、産業用ロボットアームのデジタルキャリブレーションが行われている。これにより、物理的なロボットと仮想モデルを整合させ、動作精度、シミュレーションの信頼性、および自律製造の性能を向上させている。
02
シミュレーションに実際のデータを入力する

物理環境からの情報は、仮想モデル内で利用可能となり、テストと解析の同期化を支援します。

精密製造作業中、産業用ロボットアームはそのデジタルツインと同期し、物理的な動作と仮想的な動作をリアルタイムで比較することで、動作の検証、逸脱の検出、およびロボットの性能向上を実現しています。
03
オブジェクトの位置と向きを計算する

コンピュータビジョンは、カメラからの入力を処理し、ロボットアームが操作すべき物体の姿勢を推定します。

コンピュータビジョンを用いて金属部品の正確な位置と向きを推定する産業用ロボットアーム。これにより、正確な物体検出、適応型ハンドリング、および信頼性の高い自動製造作業を実現します。
04
目標指向型の移動を訓練する

強化学習は、所定の目標位置に到達するためにアームをどのように動かすべきかを計算するために用いられる。

産業用ロボットアームは、AIを活用した動作計画を用いて、生産ステーション間で金属部品を搬送するための精密な動作を自律的に計算・実行し、柔軟性、精度、および製造効率を向上させます。
05
実装前に動作をテストする

ロボットの動作は、実際にその動きを実行する前に、仮想環境内でシミュレーションを行い、改良を加えることができます。

産業用ロボットアームは、導入前にデジタルシミュレーションで計画された動作を検証することで、チームが軌道を確かめ、衝突を回避し、実際の製造環境において安全かつ正確に動作が実行されることを確認できるようにします。
航空宇宙製造環境において、デジタルツインの隣で稼働する産業用ロボットアームにより、実際の航空機生産への導入に先立ち、ロボットの軌道、プロセスの挙動、および統合に関する早期検証が可能となる。
実証済みの効果
この接続されたツイン環境により、本番環境への変更が反映される前に、ロボットの挙動を観察・検証することが可能になります。
重要な結果
同期したロボットによる試験から得られた証拠
チェックアイコン
実装前に発見された問題点

リアルタイムシミュレーションにより、実際に導入する前に動作上の潜在的な問題点を明らかにできるため、オペレーターは生産設備で変更点をテストすることなく、ロボットの動作を微調整することができます。

チェックアイコン
稼働中の機器とは別の環境でテストを行う

仮想検証により、テストプロセスの一部が実稼働環境から切り離されるため、実機ロボットでの直接的な試行錯誤に伴うダウンタイムを最小限に抑えることができます。

チェックアイコン
姿勢を考慮した物体処理

カメラを用いた姿勢推定により、位置および向きのデータが得られ、これによりロボットアームは、ピック・アンド・プレース作業に必要な空間的精度をもって対象物へ接近することができる。

チェックアイコン
目標指向型自律運動

強化学習は、目標指向的なアームの動きを算出し、各動作をそのタスクのために特定された目標位置に合わせながら、反復的なハンドリング動作の自律的な実行を支援する。

同期したデジタルツインによるロボットハンドリングの高度化

リアルタイムシミュレーション、視覚認識、強化学習を組み合わせ、実機導入前に自律的なピック・アンド・プレース動作を最適化する。

ドラッグ