빈 피킹에는 일반적으로 로봇이 잡을 수 없는 위치에 있는 물체가 문제가 됩니다. 빈 안에 있는 모든 물체가 로봇이 잡을 수 없는 경우에 일반적인 빈 피킹 솔루션은 사람의 개입이 필요하지만, 플라잎의 솔루션은 이러한 경우 로봇이 물체가 손상되지 않는 범위 내에서 밀어 물체를 집을 수 있는 환경을 스스로 만들고 테스크를 이어나갑니다.
플라잎의 솔루션은 폐기물 유형을 분류할 수 있습니다.
예를 들어 플라스틱, 종이, 유리, PET, 카톤, 캔, 비닐봉지 등을 분류할 수 있습니다. 다음 단계에서는 어노테이션 시간을 줄이기 위해 합성 데이터 세트가 적용되고 객체가 겹치지 않도록 적용됩니다.
01 Conveyor Tracking
기존의 로봇 시스템에서는 컨베이어를 통해 이동하는 물체의 위치, 형태, 종류를 파악하기 위해 카메라, 컨베이어, 로봇의 캘리브레이션에 많은 시간을 소모해야 했습니다. PLAIF의 솔루션은 별도의 캘리브레이션 과정 없이, 로봇이 스스로 알아서 제품의 형태, 위치, 종류를 예측/판단할 수 있습니다.
02 Packing
기존 방식은 카메라 프로그램 + 로봇 프로그램 혹은 AI Vision + 로봇 프로그램 방식이었다면, PLAIF의 솔루션은 AI Vision + AI Motion control로 작업자가 별도로 프로그램을 하지 않아도 로봇 스스로 학습하면서 최적화하여 생산 사이클 시간을 줄여 줍니다.
03 Bin Picking
제품의 자세를 3차원으로 인식하고 6D (x, y, z, a, b, c)의 값을 기반으로 로봇 스스로 이동하여 제품을 Pick 합니다. 학습 기반의 데이터로 확률이 낮은 pose까지 고려합니다. 이는 복잡한 작업 환경에서도 높은 성능을 보장하며, 높은 자동화 수준을 가능하게 합니다.
04 Classify Waste
플라스틱, 병, 종이, 캔 등 다양한 폐기물을 분류할 수 있습니다. 무한대에 가까운 폐기물의 형태와 종류를 학습 시키기 위해 합성 데이터를 생성/적용하였으며, 컨베이어 트래킹의 캘리브레이션데이에 강화학습 (Reinforcement Learning) 을 적용하였습니다. 이는 기존 해외 경쟁사 대비 50% 이상 비용을 줄일 수 있습니다.
05 Unknown Grasping
PLAIF의 영상처리 소프트웨어는 학습/훈련되지 않은 물체의 형태를 파악하고, 주변 환경 및 물체 정보를 인식합니다. 인식한 물체 및 환경정보들에 딥러닝 기술을 이용하여 로봇이 해당 물체를 집을 수 있는 위치 또는 행위를 권장합니다.
06 Imitation Learning
AI를 이용하여 폐기물의 종류를 파악/구분하기 위해서는 플라스틱, 병, 종이, 캔 등 무한대에 가까운 폐기물의 종류와 형태를 나타내는 이미지를 학습시켜야 합니다. 실제 폐기물을 포함하는 이미지 데이터를 획득하고, 이미지 내에서 폐기물을 학습시키기 위한 라벨링을 수행하는 데에는 많은 시간과 비용이 소요됩니다. PLAIF에서는 다양한 형태, 색상, 자세로 구성되는 실제에 가까운 합성 데이터를 생성하고 학습에 사용하여, 이미지 데이터 획득/라벨링에 소요되는 시간과 비용을 최소화합니다.
경기도 성남시 분당구 대왕판교로 660(삼평동, 유스페이스1) B동 901호 (Main office)
경기도 성남시 분당구 대왕판교로 660(삼평동, 유스페이스1) B동 604-1호 (R&D Center)
Tel : +82 31 365 5294
Fax : +82 31 365 5298
Main Office.
경기도 성남시 분당구 대왕판교로 660(삼평동, 유스페이스1)
B동 901호
R&D Center
경기도 성남시 분당구 대왕판교로 660(삼평동, 유스페이스1)
B동 604-1호
비즈니스 문의 : plaif@plaif.com
채용 문의 : recruit@plaif.com
Tel : +82 31 365 5294
Fax :+82 31 365 5298
