로봇은 손과 눈의 협응을 얻습니다.

비록 현대적인 기계 공장 CNC 머시닝에 초점을 맞춘 이 그림의 응용 분야는 주목할 가치가 있습니다. 이더넷 케이블 삽입과 같은 작업을 자동화하는 데 내재된 어려움을 잠시 생각해 보십시오. 소켓 위치의 차이부터 코드의 예측할 수 없는 굴곡, 커넥터를 제자리에 "찰칵"하는 데 필요한 힘의 수준에 이르기까지 많은 변수가 가장 신중하게 프로그래밍된 로봇을 방해할 수 있습니다. 이 로봇은 본질적으로 자체 제어를 위해 신중한 프로그래밍을 완전히 피한다는 점에서 다릅니다. 소켓의 방향이나 위치에 관계없이 꼭 맞도록 필요에 따라 접근 방식을 조정할 수 있습니다.

케이블 삽입은 제쳐두고, 로봇에게 본질적으로 손과 눈의 협응을 제공하는 광범위한 의미는 상상하기 어렵지 않습니다. 기계화된 동료가 이 작업을 수행할 수 있다면 언젠가 CNC 기계 공장에서 활성 디버링 도구 주변의 다양한 부품을 혼합하여 조작하거나 그리드 또는 기타 고정 장치가 없는 상자에서 무작위로 공작물을 선택하는 데 도움이 될까요? 검사, 표면 마감, 머신 텐딩 및 아마도 아직 탐색하지 않은 응용 분야까지 모두 이러한 시스템의 이점을 누릴 수 있습니다.

독일 Micropsi Industries에서 개발한 이 로봇의 보조 제어 시스템은 MIRAI(Micropsi Industries Robotic Artificial Intelligence)라고 합니다. 카메라, 힘 센서 및 신경망을 사용하여 인간의 감각을 근사하고 실시간으로 동적 환경에 반응합니다. 북미에서 회사를 대표하는 Rick Schoonover는 일부 초기 응용 프로그램이 이미 전자 산업 너머로 야망을 확장할 충분한 이유를 보여주고 있다고 말했습니다.

예를 들어, 초기 사용 사례 중 하나는 아버의 수명을 연장할 수 있을 만큼 충분히 섬세하게 기어를 호빙 머신에 로드하는 것입니다. 다른 하나는 시스템을 사용하여 부품 표면에 대한 로봇의 방향이나 위치에 관계없이 일정한 힘 수준으로 대형 복합 항공우주 구조물을 다듬습니다. 다양한 3D 인쇄 부품을 선택하고 정확하게 배치하는 방법에 대한 적극적인 조사는 또한 소량, 고혼합 작업을 자동화할 수 있는 이 기술의 광범위한 잠재력을 보여줍니다.

프로그래머는 MIRAI 기반 협동로봇을 "가르치지" 않습니다. 그들은 그것을 기술로 훈련시킵니다. 사람이 선택한 작업의 동작을 통해 로봇 팔을 반복적으로 안내한다는 점에서 프로세스는 유사합니다. 그러나 팔은 가능한 한 많은 방향과 각도에서 목표물에 접근해야 합니다. 이는 이러한 기계 학습 알고리즘의 초점이 원하는 목적을 달성하는 수단이 아니라 목적 자체에 있기 때문입니다(예:케이블 인 소켓). 로봇이 움직일 때 클라우드 기반 신경망은 센서 데이터의 지속적인 흐름을 처리하여 환경과 작업을 수행하는 데 필요한 사항을 이해합니다.

"구멍에 못을 박고 싶다면 일련의 동작을 수학적으로 계산하고 실행하지 않을 것입니다."라고 Schoonover는 설명합니다. “볼 수 있다면 할 수 있습니다. 길은 없습니다. 당신은 말뚝을 보고, 구멍을 보고, 말뚝을 구멍에 꽂을 것입니다. 구멍이 움직이면 거기에 맞게 조정하고 못을 끼우면 됩니다.”

현재 MIRAI는 기존에 프로그래밍된 경로의 중요한 부분에 대해서만 로봇을 제어합니다. 즉, 케이블을 삽입하거나 부품을 그리거나 네스팅하는 순간입니다. 이 시점에서 로봇은 자신의 "지각"과 목표 및 환경의 자연스러운 변화에 대해 "학습"한 내용을 기반으로 스스로 움직이기 시작합니다.

그러한 기술이 작업 현장에 적용되는지, 아니면 단순한 미세 움직임 이상에 사용되는지 여부는 두고 봐야 합니다. 그럼에도 불구하고 MIRAI와 같은 기술은 자동화가 무엇인지에 대한 우리의 이해를 변화시키고 있습니다. 즉, 유연하고 배포하기 쉬우며 이제 분명히 환경 교란에서 부품 모양, 위치 및 기하학의 차이에 이르기까지 다양한 변화에 관대합니다.