Setup de hardware minimalista usa IA robusta para empacotar objetos

Um dos trabalhos finalistas na última Conferência Internacional de Robótica e Automação (IRCA), organizada pelo Instituto de Engenheiros Eletricistas e Eletrônicos (IEEE) em Montreal no último mês de maio, apresentou um braço mecânico dotado de inteligência artificial para pegar objetos de uma pilha desorganizada e colocá-los de forma ordenada dentro de um compartimento. O artigo foi escrito por uma equipe de cientistas da Universidade Rutgers, nos Estados Unidos.

A motivação do trabalho foi o reconhecimento de que robôs são cada vez mais usados na automação de depósitos, o que foi possibilitado pelos recentes avanços na tecnologia de sensores, em algoritmos de detecção de objetos e em desenho de hardware, entre outros. Uma das tarefas mais comuns nesse domínio é o empacotamento de ordens, que requer o ordenamento de itens em uma caixa a partir de uma pilha desestruturada. Quaisquer soluções de automação sugeridas devem ser de baixo custo, facilmente colocadas em prática e controláveis, o que restringe as opções de hardware para configurações minimalistas. Portanto, o objetivo dos pesquisadores era usar hardware mínimo mas eficiente e focar seus esforços no desenvolvimento de algoritmos robustos para a tarefa em questão. Eles acabaram usando apenas dados visuais providenciados por câmeras e um mecanismo simples de sucção acoplado a um braço mecânico comercial para movimentar os objetos.

Na parte de software, o processo começa com uma imagem capturada da pilha de objetos, que são comparados com seu modelo virtual. Usando uma rede neural convolucional, a imagem é segmentada e os objetos são reconhecidos. Sua posição é estimada para verificar se a superfície de captura está disponível. Caso contrário, o sistema usa um módulo para fazer o reposicionamento de objetos. O melhor ponto de captura é calculado, onde ocorre a sucção. A caixa de destino e os objetos já eventualmente posicionados em seu interior também são avaliados usando visão computacional. O braço mecânico então determina a posição a ser ocupada pelo novo objeto capturado e faz os ajustes necessários para a entrega. Durante as operações, ele usa monitoramento em tempo real para detectar e evitar falhas de processo. O pipeline atingiu 100% de sucesso no que se refere à capacidade de transferir todos os objetos, com uma taxa de erro de 0.04% oriunda de desalinhamentos.

Esse primeiro estudo focou em objetos de formato quadrangular, o que facilita a tarefa. Agora, se espera que melhorias possibilitem um braço mecânico a operar objetos de outras formas, e inclusive dotem o sistema a aprender automaticamente como realizar sua função quando diante de cenários inéditos.

Um vídeo demonstrativo pode ser visto abaixo.