Robot BORUNTE BRTIRUS0707A
Chúng tôi đã kết hợp hai yếu tố thường tồn tại trong những thế giới khác nhau: hệ thống thị giác máy tính engiAI với hệ thống đào tạo mạng nơ-ron riêng và một robot công nghiệp 6 trục BORUNTE BRTIRUS0707A. Kết quả là một robot không thực hiện một chương trình được lập trình sẵn, mà.. Nó nhận diện chi tiết và điều chỉnh theo chi tiết đó trong thời gian thực.
Bài kiểm tra, trong đó hệ thống đã chứng minh khả năng: hộp nằm trên bàn ở bất kỳ vị trí nào, người điều khiển có thể xoay hộp theo ý muốn, từ 0 đến 360 độ. Camera quan sát từ trên xuống, mạng nơ-ron xác định góc xoay với độ chính xác đến từng độ, và tay robot lặp lại vị trí của hộp— đưa tay gắp chính xác dưới hộp. Không có giá đỡ, kẹp, hoặc cảm biến vị trí: chỉ có camera, mạng nơ-ron và robot.
Các thành phần của hệ thống:
engiAI là công nghệ thị giác máy tính. Nó cung cấp một quy trình hoàn chỉnh để làm việc với trí tuệ nhân tạo: kết nối các camera công nghiệp (SICK, Hikrobot, GigE Vision, USB), đánh dấu các khu vực kiểm tra trực tiếp trên video, tạo ra bộ dữ liệu huấn luyện từ một số lượng nhỏ hình ảnh, huấn luyện các mô hình YOLO trên GPU (CUDA) và thực hiện phân tích thời gian thực với tốc độ tương đương tốc độ khung hình của camera. Module OUTPUT chuyển đổi kết quả nhận dạng thành các hành động cụ thể: gửi dữ liệu qua TCP đến robot hoặc PLC, và điều khiển các đầu ra rời của camera.
Robot1 — điều khiển robot. Giao tiếp trực tiếp với bộ điều khiển HC1 theo giao thức JSON/TCP mở, không cần phần mềm hoặc hướng dẫn: điều khiển thủ công từng trục, lưu trữ tư thế, mô hình 3D của robot với cơ sở dữ liệu các tư thế. Quan trọng nhất là nhận lệnh từ AI qua TCP: quy tắc cho từng trục với tên lệnh, tốc độ, vị trí, hướng đảo chiều và điều chỉnh góc về hướng gần nhất (±180°).
Kết nối giữa các chương trình sử dụng giao thức TCP/IP thông thường. Điều quan trọng là: bất kỳ thiết bị nào có khả năng mở một cổng kết nối (socket) đều có thể được tích hợp vào hệ thống, bao gồm PLC, robot khác, hệ thống SCADA hoặc ERP.
Cách hệ thống hoạt động: từ khung hình đến chuyển động
- Hình ảnh. Camera hiển thị hình ảnh khu vực kiểm tra (trong phòng trưng bày của chúng tôi, đó là SICK, với độ phân giải 2048x2048).
- Tuyệt vời. Mô hình YOLO phân loại vị trí của chi tiết: mỗi độ xoay là một lớp riêng biệt (từ 0 đến 359 độ cho một vòng tròn hoàn chỉnh hoặc từ 0 đến 180 độ cho các chi tiết đối xứng).
- Gói. Quy tắc OUTPUT tạo ra một lệnh – ví dụ “J6 315” – và gửi nó qua TCP. Quy tắc này được tạo ra cho toàn bộ mô hình: chức năng {class} tự động truyền tên của lớp đã được nhận dạng.
- Quy tắc trục. Robot1 áp dụng các cài đặt trục (đảo ngược, dịch chuyển, đường dẫn ngắn) và điều khiển bộ điều khiển để đạt được góc mục tiêu với tốc độ đã cho.
- Di chuyển. Trục xoay — tay gắp đặt chính xác trên chi tiết.
Thời gian phản hồi từ xoay hộp đến khởi động trục – khoảng một giây, và thời gian này có thể điều chỉnh: tất cả các khoảng thời gian đều được quy định trong cài đặt.
Huấn luyện mà không cần bộ dữ liệu và không cần kỹ sư ML
Một vấn đề phổ biến trong lĩnh vực học máy công nghiệp là việc thu thập và gắn nhãn cho hàng ngàn hình ảnh. Tại engiAI, vấn đề này được giải quyết bằng cách tạo ra dữ liệu tổng hợp: người vận hành chỉ cần chụp một hình ảnh của chi tiết trong một khu vực nhất định, và chương trình sẽ tự động tạo ra một tập dữ liệu huấn luyện.
- quay khung hình từ khu vực cửa sổ với bước nhảy được chỉ định (ví dụ: 0,1°), trong đó khung hình bao gồm toàn bộ cảnh, chi tiết không bị cắt bởi khung: hình ảnh tự động mở rộng thành hình vuông theo đường chéo của khu vực.
- thêm các biến thể về độ sáng và độ tương phản trong phạm vi cho phép và tạo bản sao phản chiếu;
- tự động phân loại các khung hình theo các lớp-giai (0…359) và chia tập dữ liệu thành tập huấn luyện và tập kiểm tra.
Từ một hình ảnh, có thể tạo ra hàng trăm tệp huấn luyện. Sau đó, nhấn nút "HUẤN LUYỆN MÔ HÌNH AI", và sau một thời gian, mô hình đã sẵn sàng để sử dụng. Toàn bộ quy trình "hiển thị chi tiết → huấn luyện → robot hoạt động" được thực hiện bởi người vận hành, chứ không phải kỹ sư ML.
Dữ liệu không được làm gián đoạn hoạt động của robot.
Mạng lưới nhận dạng có thể xử lý hàng chục lần mỗi giây, và việc truyền trực tiếp các kết quả này vào các động cơ không khả thi – các động cơ sẽ gặp sự cố do quá tải. Hệ thống này được thiết kế với nhiều lớp bảo vệ, được kiểm chứng trên một robot thực tế:
- Vùng chết — sự khác biệt giữa các lớp liền kề (315↔312) không ảnh hưởng đến trục;
- Thời gian ổn định – một loại thuật toán mới phải hoạt động trong một khoảng thời gian nhất định: các khung hình giả mạo của mạng lưới thần kinh không khiến trục di chuyển đến các tuyến đường xa.
- Điều khiển mượt — nếu mục tiêu thay đổi trong khi robot đang di chuyển, robot sẽ không đến đích cũ: giảm tốc độ một cách có kiểm soát, xóa bỏ các lệnh cũ và ngay lập tức di chuyển đến mục tiêu mới. Các lệnh trung gian sẽ bị bỏ qua – chỉ cần lệnh mới là đủ.
- Thời gian tạm dừng giữa các động tác — là một giới hạn chặt chẽ đối với tần suất gửi lệnh đến bộ điều khiển.
- Tự phục hồi — khi xảy ra sự cố, trình điều khiển sẽ tự động xóa các mục, sau khi khởi động lại, mục tiêu sẽ được đặt lại; cả hai chương trình đều ghi lại nhật ký tệp liên tục.
So với robot công nghiệp thông thường, ưu điểm là gì?
Robot công nghiệp thông thường chỉ thực hiện theo một đường đi được lập trình sẵn. Tất cả thông tin mà nó có về chi tiết đều đến từ cơ chế xung quanh. Điều này dẫn đến chi phí và hạn chế lớn trong tự động hóa. Nhận dạng bằng AI loại bỏ những yếu tố này.
Chi phí và thời gian
- Không cần thiết phải có các dụng cụ hỗ trợ cố định như giá đỡ, vị trí, bồn giảm rung, và trạm định tâm. Chi tiết có thể nằm ở bất kỳ vị trí nào: robot sẽ tự điều chỉnh để phù hợp. Việc trang bị cho một chi tiết thường có giá thành tương đương với chính robot – trong trường hợp này, không cần thiết phải có.
- Việc điều chỉnh để sản xuất một sản phẩm mới – đồng hồ, thay vì một sản phẩm khác – là điều cần thiết. Chúng tôi đã cung cấp chi tiết về máy, huấn luyện mô hình, và thiết lập quy tắc – đường dẫn hoạt động. Không cần sự hỗ trợ của nhà tích hợp và tạm dừng sản xuất.
- Các lô hàng nhỏ sẽ có lợi nhuận. Việc tự động hóa truyền thống chỉ có lợi khi sản xuất số lượng lớn. Khi chi phí điều chỉnh gần như không đáng, việc tự động hóa ngay cả một lô hàng nhỏ trong ngày cũng là một lựa chọn kinh tế.
- Một công cụ thay vì ba hệ thống: chức năng điều khiển robot, kiểm soát chất lượng và loại bỏ sản phẩm lỗi đều hoạt động trong một chương trình với một camera duy nhất.
Tính linh hoạt và chất lượng
- Khả năng thích ứng với thực tế. Dây chuyền đã bị lệch, chi tiết nằm ở vị trí sai, lô hàng mới đến với màu sắc khác – ô vuông truyền thống đang hoạt động, trong khi ô vuông trí tuệ vẫn tiếp tục hoạt động: nó nhìn vào chi tiết, chứ không phải tọa độ.
- Kiểm tra chất lượng miễn phí. Tương tự, mẫu sản phẩm bị lỗi (ví dụ: hộp bị bóp, nhãn bị rách, lắp ráp sai) vẫn được kiểm tra và loại bỏ bằng cùng một quy trình kiểm soát.
- Bất kỳ trục nào cũng có thể được điều khiển bằng AI. Các quy tắc được áp dụng cho từng trong số sáu trục một cách độc lập: hôm nay, một lần xoay tay gắp sẽ hoạt động, và ngày mai, toàn bộ vị trí sẽ được xác định đồng thời trên nhiều trục.
- Liên tục nhận phản hồi. Robot không chỉ là một "người thực hiện vô thức": mỗi chuyển động đều là phản ứng dựa trên những gì thực tế có thể nhìn thấy trong khung hình, cùng với tất cả các quyết định đã được lập.
Tính mở và khả năng mở rộng
- Tính độc lập với thương hiệu robot. Giao tiếp – giao thức TCP/IP mở: hiện tại là BORUNTE, nhưng trong tương lai, cùng một giao thức có thể được sử dụng để điều khiển các robot khác, bàn xoay hoặc PLC.
- Huấn luyện trực tiếp tại chỗ. Mô hình không phải là "cập nhật phần mềm": khi có một chi tiết mới hoặc lỗi xảy ra, chúng tôi đã huấn luyện lại trong một buổi tối, trực tiếp trên đường dây sản xuất, với các hình ảnh thực tế và ánh sáng từ nhà xưởng.
- Sao chép cấu trúc – là việc sao chép phần mềm và tệp mô hình, chứ không phải là việc thiết kế lại quá trình tích hợp.
- Tính minh bạch. Cả hai phần mềm đều có nhật ký hoạt động liên tục và nhật ký sự kiện trong cơ sở dữ liệu: hiển thị toàn bộ lịch sử, từ khung hình đến chuyển động của trục. Đây là cơ sở để thống kê, đo lường chất lượng và bảo trì dự đoán.
Ứng dụng
- Đóng gói và vận chuyển: sắp xếp hộp trước khi đóng gói, đóng gói và bóc gói trên các pallet hỗn hợp, thu gom hàng hóa ngẫu nhiên bằng băng tải.
- Kiểm soát chất lượng với quy trình loại bỏ: Một camera giám sát và điều khiển các cơ chế thực hiện.
- Tải máy (máy CNC, máy ép): nguyên liệu theo kiểu "tải tràn" hoặc trên đĩa, không sử dụng các bồn giảm rung.
- Giai đoạn lắp ráp: sắp xếp các bộ phận, kiểm tra tính chính xác của việc lắp đặt ở mỗi bước.
- Sản xuất thực phẩm và nông nghiệp: là các đối tượng có tính biến đổi, nơi mà việc sử dụng cơ giới hóa là không thể.
- Quá trình tái chế và phân loại: Đối với các loại vật liệu không có trong danh mục, việc tự động hóa truyền thống không hiệu quả.
Hướng phát triển tiếp theo
- Các giai đoạn và các yếu tố kích hoạt bên ngoài: Chương trình công nghệ bao gồm các bước (tọa độ của tất cả các trục và tốc độ ở mỗi bước), thêm và xóa các bước thông qua giao diện, khởi động các bước dựa trên tín hiệu TCP từ hệ thống thị giác, PLC hoặc người vận hành.
- Đưa tay gắp vào vị trí: từ một góc của trục — đến vị trí và hướng của chi tiết trên nhiều trục cùng một lúc;
- Các ô chứa nhiều camera và đồng bộ hóa nhiều robot;
- Học tự động theo luồng: hệ thống tự động thu thập các khung hình phức tạp và đưa chúng vào một tập dữ liệu học tập mới.
Kiến trúc công nghệ
.NET 9 (WinForms) · Phân loại YOLO, ONNX, CUDA · Camera SICK / Hikrobot / GigE Vision / DirectShow · Robot BORUNTE BRTIRUS0707A (bộ điều khiển HC1, giao thức JSON/TCP mở) · SQLite · Tích hợp TCP/IP với bất kỳ thiết bị nào.
Dự án này cho thấy điều quan trọng: rào cản để tiếp cận với công nghệ robot "ảo" đã giảm đáng kể. Không cần đội ngũ kỹ sư ML và thời gian tích hợp kéo dài – chỉ cần một hình ảnh của chi tiết, nút học và giao thức mở. Robot không còn là thiết bị đắt tiền và khó điều khiển nhất trong nhà máy – mà trở thành một công cụ đa năng, có thể được đào tạo trong một buổi tối.
