Die ersten Neuigkeiten von der diesjährigen Automate-Konferenz kommen über das Alphabet-X-Spinout Intrinsic. Das Unternehmen gab auf der Veranstaltung in Chicago am Montag bekannt, dass es eine Reihe von NVIDIA-Angeboten in seine Flowstate-Roboter-App-Plattform integrieren wird.
Dazu gehört Isaac Manipulator, eine Sammlung grundlegender Modelle zur Erstellung von Arbeitsabläufen für Roboterarme. Das Angebot wurde bereits im März auf der GTC eingeführt, wobei einige der größten Namen der industriellen Automatisierung bereits an Bord waren. Die Liste umfasst Yaskawa, Solomon, PickNik Robotics, Ready Robotics, Franka Robotics und Universal Robots.
Die Zusammenarbeit konzentriert sich speziell auf das Greifen (Ergreifen und Aufnehmen von Objekten) – eine der Schlüsselmodalitäten sowohl für die Fertigungs- als auch die Fulfillment-Automatisierung. Die Systeme werden auf großen Datensätzen trainiert, mit dem Ziel, Aufgaben auszuführen, die hardwareübergreifend (d. h. Hardware-Agnostizismus) und mit unterschiedlichen Objekten funktionieren.
Das heißt, Methoden der Kommissionierung können auf verschiedene Umgebungen übertragen werden, anstatt jedes System für jedes Szenario trainieren zu müssen. Sobald wir als Menschen herausgefunden haben, wie man Dinge aufnimmt, kann diese Aktion an verschiedene Objekte in unterschiedlichen Umgebungen angepasst werden. In den meisten Fällen können Roboter das nicht – zumindest im Moment nicht.
Bildnachweis: Intrinsisch
„In Zukunft werden Entwickler in der Lage sein, vorgefertigte universelle Verständnisfähigkeiten wie diese zu nutzen, um ihre Programmierprozesse erheblich zu beschleunigen“, sagte Wendy Tan White, Gründerin und CEO von Intrinsic, in einem Beitrag. „Für die breitere Industrie zeigt diese Entwicklung, wie Basismodelle tiefgreifende Auswirkungen haben könnten, indem sie unter anderem die heutigen Herausforderungen bei der Roboterprogrammierung in großem Maßstab einfacher bewältigen, bisher undurchführbare Anwendungen schaffen, die Entwicklungskosten senken und die Flexibilität für Endbenutzer erhöhen.“
Die ersten Flowstate-Tests fanden in Isaac Sim statt – der Robotersimulationsplattform von NVIDIA. Der Eigenkunde Trumpf Machine Tools hat mit einem Prototyp des Systems gearbeitet.
„Diese universelle Greiffähigkeit, die mit 100 % synthetischen Daten in Isaac Sim trainiert wird, kann zum Aufbau anspruchsvoller Lösungen verwendet werden, die adaptive und vielseitige Objektgreifaufgaben in Simulation und real durchführen können“, sagt Tan White über Trumpfs Arbeit mit der Plattform. „Anstatt bestimmte Greifer fest zu codieren, um bestimmte Objekte auf eine bestimmte Art und Weise zu greifen, wird effizienter Code für einen bestimmten Greifer und ein bestimmtes Objekt automatisch generiert, um die Aufgabe mithilfe des Grundlagenmodells abzuschließen.“
Intrinsic arbeitet außerdem mit DeepMind zusammen, einem ebenfalls zu Alphabet gehörenden Unternehmen, um Posenschätzung und Pfadplanung zu knacken – zwei weitere Schlüsselaspekte der Automatisierung. Für Letzteres wurde das System an mehr als 130.000 Objekten trainiert. Das Unternehmen gibt an, dass die Systeme in der Lage seien, die Ausrichtung von Objekten in „wenigen Sekunden“ zu bestimmen – ein wichtiger Teil, um sie aufnehmen zu können.
Ein weiterer wichtiger Bestandteil der Arbeit von Intrinsic mit DeepMind ist die Fähigkeit, mehrere Roboter im Tandem zu betreiben. „Unsere Teams haben diese zu 100 % ML-generierte Lösung getestet, um vier separate Roboter nahtlos zu orchestrieren, die an einer verkleinerten Simulation einer Autoschweißanwendung arbeiten“, sagt Tan White. „Die Bewegungspläne und Trajektorien für jeden Roboter werden automatisch generiert, sind kollisionsfrei und überraschend effizient – sie weisen eine um etwa 25 % bessere Leistung auf als einige herkömmliche Methoden, die wir getestet haben.“
Das Team arbeitet auch an Systemen, die zwei Arme gleichzeitig verwenden – ein Aufbau, der eher der aufstrebenden Welt der humanoiden Roboter entspricht. Davon werden wir in den nächsten Jahren noch viel mehr sehen, ob humanoid oder nicht. Der Wechsel von einem auf zwei Arme eröffnet eine ganze Welt zusätzlicher Anwendungsmöglichkeiten für diese Systeme.