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.
Cara! Maravilhoso! Assim sobrará mais tempo para as pessoas se focarem em coisas mais criativas e o trabalho pesado deixado para as máquinas. Até lá teremos muito mimimi, mas mesmo assim valerá a pena.
Valeu pelo comentário Lucio! 🙂