ロボットが物体をつかむ上で最適な位置を検出するアルゴリズムが実用化
2021/10/15
TRUST SMITH株式会社は、 ロボットが物体を掴む上で最適な位置を検出するアルゴリズムを実用化したと発表した。本技術により、モデルレスでのピッキングタスクを実現し、工場における労働力不足の解消や作業効率の向上を目指すとのことだ。
Contents
■開発の背景
出典元：プレスリリース
産業用ロボットの重要なタスクとして物体を正確に掴むことがあげられる。このピッキングタスクを実現するためには、ロボットに搭載されているカメラセンサを用いて、物体の画像を撮影し、その物体の最適な把持位置を検出する必要がある。近年はDeep Learningを用いた物体の把持位置を検出する方法に注目が高まっており、その手法は把持位置を高精度に検出できるが、莫大な学習データ量・学習時間が必要であることが問題だったという。そこでTRUST SMITHは、ロボットが物体を掴む上で最適な位置を検出するアルゴリズムを開発・実用化。本技術により、学習データに含まれない物体の把持位置も高精度に検出するとのことだ。
■モデルレス物体認識アルゴリズム 概要
出典元：プレスリリース
本技術は、深度カメラにより取得した対象の画像に対して、各位置・各角度でロボットアームのハンドを挿入した時に物体を把持できる可能性を評価し、その可能性が最も高い把持方法を探索するアルゴリズムだ。
■モデルレス物体認識アルゴリズム 特徴
①学習データに含まれない未知の物体の把持位置を高精度に検出可能
教師データなしで把持位置の検出をすることが可能なため、学習モデルを構築する必要がない。これにより、学習させていない物体は把持できない、という事態を回避できる。
②把持に不適切な対象物の除去
把持に適した位置、そうでない位置を定義することによって、把持に不適切な物体の除去が可能。加えて、把持可能な物体の中でも把持が難しい把持位置を除去することが可能となるため空掴みといった事象も減らすことが可能。
《解決する社会課題》
・労働力の不足
・作業効率の低下
・人件費の高騰
・人為的なミス
・感染症の予防
など
教師データなしで把持位置の検出をすることが可能なため、学習モデルを構築する必要がない。これにより、学習させていない物体は把持できない、という事態を回避できる。
②把持に不適切な対象物の除去
把持に適した位置、そうでない位置を定義することによって、把持に不適切な物体の除去が可能。加えて、把持可能な物体の中でも把持が難しい把持位置を除去することが可能となるため空掴みといった事象も減らすことが可能。
《解決する社会課題》
・労働力の不足
・作業効率の低下
・人件費の高騰
・人為的なミス
・感染症の予防
など
