Un moyen automatisé d’assembler des milliers d’objets

L’industrie manufacturière a (en grande partie) accueilli l’intelligence artificielle à bras ouverts. Moins de terne, sale et dangereux ? N’en dis pas plus. Cependant, la planification d’assemblages mécaniques ne se limite pas à rayer quelques croquis, bien sûr. C’est une énigme complexe qui implique de traiter des formes 3D arbitraires et des mouvements fortement contraints requis pour les assemblages du monde réel.

Les ingénieurs humains, naturellement, doivent sauter dans le ring et concevoir manuellement des plans et des instructions d’assemblage avant d’envoyer les pièces aux chaînes de montage, et cette nature manuelle se traduit par des coûts de main-d’œuvre élevés et le risque d’être truffé d’erreurs.

Dans le but d’alléger certaines de ces charges, des chercheurs du laboratoire d’informatique et d’intelligence artificielle (CSAIL) du MIT, d’Autodesk Research et de la Texas A&M University ont mis au point une méthode pour assembler automatiquement des produits précis, efficaces et généralisables à un large éventail de assemblages complexes du monde réel. Leur algorithme détermine efficacement l’ordre d’assemblage en plusieurs parties, puis recherche une trajectoire de mouvement physiquement réaliste pour chaque étape.

L’équipe a concocté un ensemble de données à grande échelle de niveau spartiate avec des milliers d’assemblages et de mouvements industriels physiquement valides pour tester leur méthode. La méthode proposée est capable de résoudre la quasi-totalité d’entre eux, en particulier en surpassant les méthodes précédentes par une grande marge sur les assemblages rotatifs, comme les vis et les puzzles. De plus, c’est un peu un démon de vitesse dans la mesure où il résout des assemblages de 80 pièces en quelques minutes.

“Au lieu d’une chaîne de montage spécialement conçue pour un produit spécifique, si nous pouvons trouver automatiquement des moyens de séquencer et de déplacer, nous pouvons utiliser une configuration entièrement adaptative”, explique Yunsheng Tian, ​​titulaire d’un doctorat. étudiant au MIT CSAIL et auteur principal de l’article. “Peut-être qu’une chaîne de montage peut être utilisée pour des tonnes de produits différents. Nous considérons cela comme un assemblage à faible volume et à haut mélange, par opposition à l’assemblage traditionnel à haut volume et à faible mélange, qui est très spécifique à un certain produit.”

Compte tenu de l’objectif d’assemblage d’une vis fixée à une tige, par exemple, l’algorithme trouverait la stratégie d’assemblage en deux étapes : le démontage et l’assemblage. L’algorithme de planification du démontage recherche un chemin sans collision pour démonter la vis de la tige. À l’aide d’une simulation basée sur la physique, l’algorithme applique différentes forces à la vis et observe le mouvement. En conséquence, un couple tournant le long de l’axe central de la tige déplace la vis vers l’extrémité de la tige, puis une force droite dirigée à l’opposé de la tige sépare la vis et la tige. Au stade de l’assemblage, l’algorithme inverse le chemin de désassemblage pour obtenir une solution d’assemblage à partir de pièces individuelles.

“Pensez aux meubles IKEA – ils contiennent des instructions étape par étape avec le petit livre blanc. Tous ces éléments doivent être rédigés manuellement par des personnes aujourd’hui, nous pouvons donc maintenant comprendre comment créer ces instructions d’assemblage”, déclare Karl DD Willis. , responsable principal de la recherche chez Autodesk Research. “Vous pouvez imaginer comment, pour les personnes qui conçoivent des produits, cela pourrait être utile pour créer ce type d’instructions. Soit c’est pour les gens, comme dans la présentation de ces plans d’assemblage, soit cela pourrait être pour une sorte de système robotique tout au long de la ligne. .”

La danse démonter/assembler

Avec la fabrication actuelle, dans une usine ou une chaîne de montage, tout est généralement codé en dur. Si vous souhaitez assembler un produit donné, vous devez contrôler précisément ou programmer des instructions pour assembler ou désassembler un produit. Quelle pièce doit être assemblée en premier ? Quelle pièce doit être assemblée ensuite ? Et comment allez-vous assembler cela ?

Les tentatives précédentes se limitaient pour la plupart à des chemins d’assemblage simples, comme une traduction très directe des pièces, rien de trop compliqué. Pour aller au-delà, l’équipe a utilisé un simulateur basé sur la physique – un outil couramment utilisé pour former des robots et des voitures autonomes – pour guider la recherche de chemins d’assemblage, ce qui rend les choses beaucoup plus faciles et plus généralisables.

“Supposons que vous vouliez démonter une rondelle de l’arbre, qui est très étroitement assemblé géométriquement. Le statu quo essaierait simplement d’échantillonner un tas de façons différentes de les séparer, et il est très possible que vous ne puissiez pas créer un chemin simple qui est parfaitement sans collision. En utilisant la physique, vous n’avez pas cette limitation. Vous pouvez essayer, par exemple, d’ajouter une simple force vers le bas, et le simulateur trouvera le bon mouvement pour démonter la rondelle de l’arbre », explique Tian.

Alors que le système manipulait facilement des objets rigides, il reste dans les travaux futurs à prévoir des assemblages souples et déformables.

L’une des pistes de travail que l’équipe cherche à explorer consiste à créer une configuration robotique physique pour assembler des éléments. Cela nécessiterait plus de travail en termes de contrôle robotique et de planification à intégrer au système de l’équipe, comme une étape vers leur objectif plus large : créer une chaîne de montage qui peut tout assembler de manière adaptative sans humains.

“La vision à long terme ici est de savoir comment prendre n’importe quel objet dans le monde et être capable de l’assembler à partir des pièces, en utilisant l’automatisation et la robotique?”, Dit Willis. “Inversement, comment pouvons-nous prendre n’importe quel objet dans le monde composé de nombreux types de matériaux différents et le séparer afin de pouvoir le recycler et le placer dans les bons flux de déchets ? La mesure que nous prenons consiste à examiner comment nous peut utiliser une simulation avancée pour pouvoir commencer à séparer ces pièces, et finalement arriver au point où nous pouvons tester cela dans le monde réel. »

“L’assemblage est un défi de longue date dans les communautés de la robotique, de la fabrication et des graphiques”, déclare Yashraj Narang, chercheur chez NVIDIA. “Ce travail est une avancée importante dans la simulation d’assemblages mécaniques et la résolution de problèmes de planification d’assemblage. Il propose une méthode qui est une combinaison intelligente de résolution du problème de désassemblage plus simple sur le plan informatique, en utilisant des actions basées sur la force dans un simulateur personnalisé pour la physique riche en contacts. , et en utilisant un algorithme de recherche d’approfondissement progressif.

« Impressionnant, la méthode peut découvrir un plan d’assemblage pour un moteur en 50 pièces en quelques minutes. À l’avenir, il sera passionnant de voir d’autres chercheurs et ingénieurs s’appuyer sur cet excellent travail, permettant peut-être à des robots d’effectuer les opérations d’assemblage simulation, puis transfert de ces comportements dans des environnements industriels réels. »

Fourni par le laboratoire d’informatique et d’intelligence artificielle du MIT