För att förenkla implementationen av bin picking applikationer skulle Mabema vilja utreda möjligheterna att med hjälp av maskininlärning, äkta 3D-data, CAD-modeller på objekt och gripdon genera plocklägen automatiskt. Ett bra plockläge ska vara fritt från kollision mellan robot och objekt/pall/hinder och robotens axlar ska kunna utföra rörelsen fram till greppunkten. Slutligen behöver objektet greppas på ett säkert sätt så att roboten kan förflytta sig utan att tappa objektet.
Uppgift
Utreda möjligheterna till automatisk plocklägesgenerering med hjälp av maskininlärning. Med utgångspunkt i tillgänglig kodbas för bin picking och hinderdetektion avgöra hur mycket förbättring som kan åstadkommas, hur mycket (annoterad) träningsdata som krävs (till exempel på förhand markerade bra plocklägen), samt vilka realtidsprestanda som kan uppnås på relevant hårdvara. Studien är begränsad till en eller några olika typer av objekt med känd vikt och en robottyp.
Genomförande
Exjobbet genomförs på Mabema AB, i företagets lokaler i Jägarvallen, typiskt med akademisk handledare och examinator från Linköpings universitet. Mabema kan bistå med teknisk handledning. Miljön är Visual Studio/C#.
Möjliga utökningar av studien
Mabema använder sig sedan ett par år tillbaka av AI i allmänhet och maskininlärning i synnerhet i visionlösningar för avsyning men har nu också börjat använda liknande teknik för robotguidning. Stöd för detta finns i de produkter som Mabema tagit fram. En möjlig fortsättning på studien är att titta på hur AI skulle kunna användas för realtidsguidning av robot hela vägen från hemmaläge till greppläge med en robotmonterad 3D-kamera.
Ansök via formuläret här.
Recent Comments