Robot BORUNTE BRTIRUS0707A
Hemos unido dos elementos que normalmente existen en mundos diferentes: sistema de visión artificial engiAI con su propio sistema de entrenamiento de redes neuronales y un robot industrial de seis ejes BORUNTE BRTIRUS0707AEl resultado es un robot que no ejecuta un programa preestablecido, sino que.. observa el detalle y se adapta a él en tiempo real.
La prueba, en la que se demostró la eficacia del sistema: la caja está sobre una mesa en una posición aleatoria, el operador la gira de cualquier manera, desde 0 hasta 360 grados. La cámara observa desde arriba, la red neuronal determina el ángulo de rotación con una precisión de grado, y el brazo del robot reproduce la posición de la caja — ajusta la pinza exactamente debajo de ella. No hay soportes, plataformas ni sensores de posición: solo la cámara, la red neuronal y el robot.
Componentes del sistema:
engiAI es un sistema de visión artificial. Ofrece un ciclo completo de trabajo con inteligencia artificial: conexión de cámaras industriales (SICK, Hikrobot, GigE Vision, USB), definición de zonas de inspección directamente en el video en tiempo real, generación de un conjunto de datos de entrenamiento a partir de unos pocos fotogramas, entrenamiento de modelos YOLO en GPU (CUDA) y procesamiento en tiempo real con la velocidad del flujo de video de la cámara. El módulo OUTPUT transforma los resultados del reconocimiento en acciones: envío de paquetes TCP a un robot o a un PLC, y activación de salidas discretas de las cámaras.
Robot1 — Control del robot. Comunicación directa con el controlador HC1 a través de un protocolo JSON/TCP abierto, sin necesidad de consola ni software propietario: control manual de cada eje, posiciones guardadas, modelo 3D del robot con una base de posiciones. Lo más importante es el receptor TCP para comandos del sistema de inteligencia artificial: una regla para cada eje que define el nombre del comando, la velocidad, el desplazamiento, la inversión y la corrección del ángulo para acercarlo a la trayectoria más cercana (±180°).
La conexión entre los programas es a través del protocolo TCP/IP estándar. Esto es fundamental: se puede integrar cualquier dispositivo que sea capaz de abrir un socket en la cadena, como un PLC, otro robot, un sistema SCADA o un sistema ERP.
Cómo funciona: desde la imagen hasta el movimiento
- Imagen. La cámara muestra la imagen de la zona de inspección (en nuestro stand, SICK, con una resolución de 2048x2048).
- ¡Excelente! El modelo YOLO clasifica la posición de la pieza: cada grado de rotación corresponde a una categoría diferente (de 0 a 359 grados para un círculo completo o de 0 a 180 grados para piezas simétricas).
- Paquete. La regla OUTPUT define el comando (por ejemplo, "J6 315") y lo envía a través de TCP. La regla se crea una sola vez para todo el modelo: la función de sustitución {class} es la que transmite el nombre de la clase reconocida.
- Regla de eje. Robot1 aplica la configuración del eje (inversión, desplazamiento, trayectoria más corta) y envía al controlador el ángulo deseado a una velocidad determinada.
- Movimiento. El eje gira — la mordaza se ajusta perfectamente a la pieza.
Retraso de reacción, desde la rotación de la caja hasta el inicio del eje: aproximadamente un segundo, y es controlable: todos los retrasos están definidos en la configuración.
Aprendizaje sin conjunto de datos ni ingeniero de ML:
El problema clásico en la producción con aprendizaje automático es la recopilación y etiquetado de miles de imágenes. En engiAI, esto se resuelve mediante la generación de datos sintéticos: el operador toma una imagen de un componente en una zona, y el programa genera automáticamente un conjunto de datos de entrenamiento:
- gira la ventana de la zona que cubre toda la imagen, con un paso definido (incluso de 0,1°), de modo que el fondo real se muestra y el detalle no se recorta por el marco: la imagen se amplía automáticamente hasta convertirse en un cuadrado, siguiendo la diagonal de la zona.
- Añade variaciones de brillo y contraste dentro de los límites definidos y copias espejo;
- Clasifica automáticamente las imágenes por grados (0…359) y divide la muestra en entrenamiento y validación.
De una sola imagen se obtienen cientos de archivos de entrenamiento. A continuación, se pulsa el botón "ENTRENAR MODELO DE IA", y después de un tiempo, el modelo está listo para funcionar. Todo el ciclo "mostrar detalle → entrenar → el robot funciona" lo realiza el operador de la línea, y no un ingeniero de ML invitado.
El flujo de datos no debe interrumpir el funcionamiento del robot.
La red neuronal realiza el reconocimiento decenas de veces por segundo, y no se puede transmitir directamente las acciones a los actuadores, ya que estos fallan y provocan accidentes debido al flujo constante de redirecciones. La solución implementada ofrece una protección en múltiples etapas, diseñada para un robot real:
- Zona muerta — la ausencia de señal entre las clases adyacentes (315↔312) no afecta en absoluto al eje.
- Estabilidad – la nueva clase debe mantenerse activa durante un tiempo determinado: las falsas señales de la red neuronal no fuerzan a la nave a realizar vuelos de larga distancia;
- Movimiento suave — si el objetivo ha cambiado mientras el robot se está moviendo, el robot no llegará al punto obsoleto: frenado controlado, limpieza de la cola del controlador y movimiento inmediato hacia el objetivo final. Se descartan las instrucciones intermedias; solo es relevante la última.
- Pausa entre movimientos — un límite rígido en la frecuencia de las órdenes enviadas al controlador;
- Recuperación automática — en caso de fallo, el controlador se reinicia automáticamente, y después de restablecer, el objetivo se vuelve a establecer. Ambas aplicaciones mantienen registros de archivos constantes.
¿Qué ventajas tiene sobre un robot industrial tradicional?
Un robot industrial tradicional sigue una trayectoria predefinida. Toda la información que tiene sobre el objeto proviene del mecanismo que lo rodea. Esto es lo que genera los principales costes y las principales limitaciones de la automatización. La visión con IA elimina estos problemas de forma sistemática.
Coste y plazos
- No se requiere un sistema de fijación mecánico – incluyendo mesas de apoyo, soportes, vibradores y estaciones de centrado. La pieza puede estar colocada de cualquier manera: el robot se adaptará a ella. Un sistema de fijación para una sola pieza suele costar lo mismo que el propio robot, y en este caso, no hay ningún sistema de fijación.
- La adaptación a un nuevo producto, que son relojes, no semanas. Se mostraron los detalles de la cámara, se entrenó el modelo y se estableció la regla: la línea funciona. No es necesario el desplazamiento del integrador ni la parada de la producción.
- Las series de producción más pequeñas se vuelven rentables. La automatización tradicional solo es rentable en grandes volúmenes. Cuando el ajuste es prácticamente gratuito, automatizar una producción de un solo día puede ser una inversión rentable.
- Una sola herramienta en lugar de tres sistemas: La programación del robot, el control de calidad y la selección de productos se realizan en un único programa, utilizando una única cámara.
Flexibilidad y calidad
- Adaptación al mundo real. La cinta transportadora se ha desviado, la pieza está mal colocada, ha llegado un lote con un color diferente: la celda tradicional funciona, y la celda de IA sigue operando: observa la pieza, no las coordenadas.
- Control de calidad gratuito. El mismo modelo que se utiliza para detectar defectos, también identifica: cajas dañadas, etiquetas sueltas, ensamblajes incorrectos, y las envía a la sección de rechazo utilizando los mismos criterios.
- Cualquier eje: control por IA. Las reglas se aplican a cada uno de los seis ejes de forma independiente: hoy, un solo pinzaje se controla mediante IA, y mañana, se realizará un posicionamiento completo utilizando varios ejes simultáneamente.
- Retroalimentación constante. El robot no es simplemente un "ejecutor": cada movimiento es una respuesta a lo que realmente se ve en la imagen, con un registro de todas las decisiones.
Transparencia y escalabilidad
- Independencia del fabricante del robot. La comunicación se realiza a través de TCP/IP abierto: actualmente, se utiliza BORUNTE, pero el mismo principio se puede aplicar para controlar otro robot, una mesa rotatoria o un PLC.
- Entrenamiento en el lugar. El modelo no es una "actualización": si aparece un nuevo detalle o defecto, se entrena en unas pocas horas, directamente en la línea de producción, utilizando imágenes reales con la iluminación del taller.
- Replicación de la celda — implica la copia del software y del archivo del modelo, y no la repetición del proceso de integración.
- Transparencia. Los registros continuos de ambos programas y el registro de eventos en la base de datos: se puede ver toda la historia, desde el fotograma hasta el movimiento del eje. Esto proporciona una base para la estadística, las métricas de calidad de los lotes y el mantenimiento predictivo.
¿Dónde se puede aplicar?
- Embalaje y logística: Orientación de las cajas antes de apilarlas, paletización y despaletización de paletas mixtas, recogida de artículos sueltos mediante cinta transportadora.
- Control de calidad con rechazo: Una cámara que tanto supervisa como controla los mecanismos de ejecución.
- Carga de maquinaria (CNC, prensas): materiales a granel o en bandejas, sin vibradores.
- Montaje: colocación de las piezas, verificación de la correcta instalación en cada etapa.
- Producción de alimentos y agricultura: son sectores con características variables, donde la automatización completa es, en principio, imposible.
- Reciclaje y clasificación: Los materiales que "no están en el catálogo" representan un área donde la automatización tradicional es ineficaz.
¿Qué sigue?
- Etapas y factores externos: Programa tecnológico que incluye una secuencia de pasos (coordenadas de todos los ejes y velocidad en cada paso), la posibilidad de añadir y eliminar etapas desde la interfaz, y la ejecución de las etapas mediante señales TCP provenientes de la visión, el PLC o del operador.
- Pinza para posición completa: desde un extremo de un eje, hasta la posición y orientación de la pieza en múltiples ejes simultáneamente.
- Celdas con múltiples cámaras y sincronización de varios robots;
- Aprendizaje automático en tiempo real: el sistema recopila automáticamente imágenes complejas y las ofrece como parte de un nuevo conjunto de datos para el entrenamiento.
La pila tecnológica
.NET 9 (WinForms) · Clasificación YOLO, ONNX, CUDA · Cámaras SICK / Hikrobot / GigE Vision / DirectShow · Robot BORUNTE BRTIRUS0707A (controlador HC1, protocolo JSON/TCP abierto) · SQLite · Integración TCP/IP con cualquier dispositivo.
El proyecto demuestra lo fundamental: la barrera de entrada a la robótica "inteligente" ha disminuido. Ya no se necesitan equipos de ingenieros de aprendizaje automático ni meses de integración; basta con una imagen de un componente, un botón de entrenamiento y un protocolo abierto. El robot deja de ser la máquina más cara e inflexible de la fábrica, y se convierte en un trabajador versátil que se puede reentrenar en unas pocas horas.
