<p><img src="https://news.mit.edu/sites/default/files/styles/news_article__image_gallery/public/images/202211/MIT%20News-Assembly%20.jpeg?itok=edg8e1w9" alt="Illustration showing manufacturing parts in the simulation pipeline. In top three panels, a rod and several nuts and bolts are being fastened to a rectangular plate; in the bottom three panels, a cylindrically shaped motor is being assembled." width="808" height="538" />&nbsp;</p> <p>制造業(yè)(在很大程度上)張開雙臂歡迎人工智能。少些無聊，骯臟和危險?不用再說了。當(dāng)然，機械裝配的規(guī)劃仍然需要繪制一些草圖，這是一個復(fù)雜的難題，意味著要處理現(xiàn)實世界裝配所需的任意3D形狀和高度受限的運動。</p> <p>&nbsp;</p> <p>可以理解的是，在將零件送到裝配線之前，人類工程師需要跳到環(huán)中，手動設(shè)計裝配計劃和指令，而這種手動性質(zhì)意味著高昂的人工成本和潛在的錯誤。</p> <p>&nbsp;</p> <p>為了減輕上述負擔(dān)，來自麻省理工學(xué)院計算機科學(xué)與人工智能實驗室(CSAIL)、Autodesk Research和德克薩斯農(nóng)工大學(xué)的研究人員提出了一種自動組裝產(chǎn)品的方法，該方法準確、高效、可推廣到各種復(fù)雜的現(xiàn)實世界組裝。他們的算法有效地確定了多部件組裝的順序，然后為每一步搜索物理上真實的運動路徑。</p> <p>&nbsp;</p> <p>該團隊制作了一個斯巴達級別的大規(guī)模數(shù)據(jù)集，其中包含數(shù)千個物理上有效的工業(yè)組件和運動，以測試他們的方法。所提出的方法能夠解決幾乎所有的問題，特別是在旋轉(zhuǎn)組件上，如螺絲和拼圖，其性能大大優(yōu)于以前的方法。此外，它有點像一個速度惡魔，因為它可以在幾分鐘內(nèi)解決80個部件的組裝。</p> <p>&nbsp;</p> <p>該論文的主要作者、麻省理工學(xué)院CSAIL博士生田云生說:&ldquo;如果我們能自動找出排序和移動的方法，而不是專門為一種特定產(chǎn)品設(shè)計的裝配線，我們就可以使用完全自適應(yīng)的設(shè)置。&rdquo;&ldquo;也許一條裝配線可以用來生產(chǎn)大量不同的產(chǎn)品。我們認為這是小批量、高混合的組裝，而不是傳統(tǒng)的大批量、低混合的組裝，后者非常特定于某種產(chǎn)品。&rdquo;</p> <p>&nbsp;</p> <p>例如，給定裝配一根螺桿的目標，該算法將通過拆卸和裝配兩個階段來找到裝配策略。拆卸規(guī)劃算法尋找一條無碰撞路徑將螺桿從桿上拆卸下來。該算法通過物理模擬，對螺桿施加不同的力，觀察螺桿的運動。因此，沿桿的中心軸旋轉(zhuǎn)的扭矩將螺釘移動到桿的末端，然后一個指向桿外的直力將螺釘和桿分開。在裝配階段，算法將拆卸路徑反向，從單個部件得到裝配解。</p> <p>&nbsp;</p> <p>&ldquo;想想宜家家具&mdash;&mdash;它有一本小冊子，上面有詳細的說明。如今，所有這些都必須由人們手工編寫，所以現(xiàn)在我們可以弄清楚如何制作這些組裝指令，&rdquo;歐特克研究公司(Autodesk research)的高級研究經(jīng)理卡爾&middot;d&middot;d&middot;威利斯(Karl D.D. Willis)說。&ldquo;你可以想象，對于設(shè)計產(chǎn)品的人來說，這可能有助于建立這些類型的指令。要么是為人設(shè)計的，比如制定這些裝配計劃，要么是為某種機器人系統(tǒng)設(shè)計的。&rdquo;</p> <p>&nbsp;</p> <p><span class="h1"><strong>拆卸/組裝舞蹈</strong></span></p> <p>&nbsp;</p> <p>在目前的制造業(yè)中，在工廠或裝配線中，所有東西通常都是硬編碼的。如果你想組裝一個給定的產(chǎn)品，你必須精確地控制或編程指令來組裝或拆卸一個產(chǎn)品。哪個零件應(yīng)該先組裝?下一步應(yīng)該裝配哪一部分?你要怎么組裝這個?</p> <p>&nbsp;</p> <p>以前的嘗試主要局限于簡單的組裝路徑，比如非常直接的部件轉(zhuǎn)換&mdash;&mdash;沒有太復(fù)雜的東西。為了超越這一點，該團隊使用了一個基于物理的模擬器&mdash;&mdash;一種通常用于訓(xùn)練機器人和自動駕駛汽車的工具&mdash;&mdash;來指導(dǎo)搜索裝配路徑，這使得事情變得更容易，更具有普遍性。</p> <p>&nbsp;</p> <p>&ldquo;假設(shè)你想從軸上拆卸一個墊圈，這是非常緊密的幾何組裝。目前的情況是嘗試著嘗試各種不同的方法去分離它們，而你很可能無法創(chuàng)造出一個完全無碰撞的簡單路徑。使用物理，你就沒有這個限制了。例如，你可以試著加一個簡單的向下的力，模擬器就會找到正確的動作，將洗衣機從軸上拆卸下來。&rdquo;</p> <p>&nbsp;</p> <p>雖然該系統(tǒng)可以輕松處理剛性物體，但在未來的工作中還需要規(guī)劃軟的、可變形的組件。</p> <p>&nbsp;</p> <p>該團隊正在探索的一種工作方式是制造一個物理機器人來組裝物品。這將需要在機器人控制方面做更多的工作，并計劃與團隊的系統(tǒng)集成，作為朝著更廣泛的目標邁出的一步:制造一條可以自適應(yīng)地在沒有人類的情況下組裝所有東西的裝配線。</p> <p>&nbsp;</p> <p>&ldquo;這里的長期愿景是，你如何利用自動化和機器人技術(shù)，將世界上任何物體的零件組裝起來?威利斯說。&ldquo;相反，我們?nèi)绾螌⑹澜缟先魏斡稍S多不同類型的材料組成的物體分開，以便我們可以回收并將它們放入正確的廢物流中?&rdquo;我們正在采取的步驟是研究如何使用一些先進的模擬來開始分離這些部件，并最終達到我們可以在現(xiàn)實世界中測試的地步。&rdquo;</p> <p>&nbsp;</p> <p>NVIDIA高級機器人研究科學(xué)家Yashraj Narang表示:&ldquo;在機器人、制造和圖形領(lǐng)域，組裝一直是一個挑戰(zhàn)。&ldquo;這項工作是模擬機械裝配和解決裝配規(guī)劃問題的重要一步。它提出了一種方法，巧妙地結(jié)合了解決計算更簡單的拆卸問題，在自定義模擬器中使用基于接觸豐富物理的力的動作，并使用漸進式深化搜索算法。令人印象深刻的是，該方法可以在幾分鐘內(nèi)發(fā)現(xiàn)一個由50個部件組成的發(fā)動機的組裝計劃。在未來，看到其他研究人員和工程師在這項優(yōu)秀工作的基礎(chǔ)上繼續(xù)工作，也許會讓機器人在模擬中執(zhí)行組裝操作，然后將這些行為轉(zhuǎn)移到現(xiàn)實世界的工業(yè)環(huán)境中，這將是令人興奮的。&rdquo;</p> <p>&nbsp;</p> <p>麻省理工學(xué)院教授、CSAIL首席研究員Wojciech Matusik是這篇論文的資深作者，博士生田云生、徐潔(現(xiàn)在是NVIDIA的研究科學(xué)家)和李一晨也是CSAIL的作者。歐特克研究公司的研究科學(xué)家駱杰良、李輝、卡爾&middot;d&middot;d&middot;威利斯以及德克薩斯農(nóng)工大學(xué)計算機科學(xué)助理教授Shinjiro Sueda也參與了這篇論文。該團隊將在2022年SIGGRAPH亞洲會議上展示他們的發(fā)現(xiàn)，論文也發(fā)表在ACM圖形學(xué)報上。他們的研究部分得到了美國國家科學(xué)基金會的支持。</p> <p>&nbsp;</p> <blockquote> <p>注：本文由院校官方新聞直譯，僅供參考，不代表指南者留學(xué)態(tài)度觀點。</p> </blockquote>