Các nhà khoa học máy tính Rutgers đã sử dụng trí thông minh nhân tạo để điều khiển một cánh tay robot có thể cung cấp một cách hiệu quả hơn để đóng gói các hộp, tiết kiệm thời gian và tiền bạc cho doanh nghiệp.

Ảnh: một cánh tay robot Kuka đóng gói chặt các đồ vật từ thùng vào hộp đặt hàng vận chuyển (gấp năm lần tốc độ thực tế).

"Chúng tôi có thể đạt được các giải pháp tự động, chi phí thấp, có thể triển khai dễ dàng. Chìa khóa là đưa ra các lựa chọn phần cứng tối thiểu nhưng hiệu quả và tập trung vào các thuật toán và phần mềm mạnh mẽ", tác giả nghiên cứu cho biết.

Nghiên cứu của các nhà khoa học đã được công bố gần đây tại Hội nghị Quốc tế về Robot và Tự động hóa, đây là giải chung kết cho Giải thưởng nghiên cứu tốt nhất về Tự động hóa. Nghiên cứu này trùng với xu hướng ngày càng tăng của việc triển khai robot để thực hiện các nhiệm vụ hậu cần, bán lẻ và kho. Những tiến bộ trong chế tạo robot đang tăng tốc với tốc độ chưa từng thấy do các thuật toán học máy cho phép thử nghiệm liên tục.

Đóng gói chặt các sản phẩm được chọn từ một đống không có tổ chức vẫn chủ yếu là một công việc thủ công, mặc dù nó rất quan trọng đối với hiệu quả của kho hàng. Tự động hóa các nhiệm vụ như vậy rất quan trọng đối với khả năng cạnh tranh của các công ty và cho phép mọi người tập trung vào công việc cần ít người và thể chất hơn, theo nhóm khoa học.

Nghiên cứu này tập trung vào việc đặt các vật thể từ thùng vào một hộp vận chuyển nhỏ và sắp xếp chặt chẽ chúng. Đây là một nhiệm vụ khó khăn hơn đối với một robot so với việc chỉ nhặt một vật thể và thả nó vào một cái hộp.

Các nhà nghiên cứu đã phát triển phần mềm và thuật toán cho cánh tay robot của họ. Họ đã sử dụng dữ liệu trực quan và một chiếc ống hút đơn giản, có tác dụng như một ngón tay để đẩy các vật thể. Hệ thống kết quả có thể lật đổ các đối tượng để có được bề mặt mong muốn để lấy chúng. Hơn nữa, nó sử dụng dữ liệu cảm biến để kéo các đối tượng về phía khu vực được nhắm mục tiêu và đẩy các đối tượng lại với nhau. Trong các hoạt động này, nó sử dụng giám sát thời gian thực để phát hiện và tránh các thất bại tiềm ẩn.

Vì nghiên cứu tập trung vào việc đóng gói các vật thể hình khối, bước tiếp theo sẽ là khám phá các vật thể đóng gói có hình dạng và kích cỡ khác nhau. Một bước nữa là khám phá việc học tự động của hệ thống robot sau khi nó được giao một nhiệm vụ cụ thể.

P.T.T (NASATI), theo https://www.sciencedaily.com/releases/2019/06/190627114037.htm, 10/7/2019