ROBOTICS
 Planning AI For Robotics

플라잎의 뜻은 PLanning AI For로 우리가 하려는 모든것을 AI화 하겠다는 의미 입니다. 
현재 우리는 산업용 및 협동로봇에 AI를 적용하고 있습니다.



USE CASES

빈픽킹
Bin Picking


빈 픽킹에는 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, 우리 솔루션은 이러한 경우 로봇이 물체가 손상되지 않는 범위 내에서 밀어 물체를 집을 수 있는 환경을 스스로 만들고 테스크를 이어나갑니다.

폐기물 분류
Classify Waste


우리의 솔루션은 폐기물 유형을 분류할 수 있습니다.

예를 들어 플라스틱, 종이, 유리, PET, 카톤, 캔, 비닐 봉지 등을 분류할 수 있습니다. 다음 단계에서는 어노테이션 시간을 줄이기 위해 합성 데이터 세트가 적용되고 객체가 겹치지 않도록 적용됩니다.



01 Conveyor Tracking

        

컨베어 트랙킹을 하기 위해서 기존의 방식인 카메라 캘리브레이션, 컨베어와 로봇의 캘리브레이션에 소모되었던 많은 시간을 PLAIF의 솔루션은 캘리브레이 필요없이 로봇이 스스로 알아서 제품의 이동위치를 예측하여 제품을 Pick할 수 있습니다.





02 PACKING

       

기존 방식은 카메라 프로그램 + 로봇 프로그램 혹은 AI Vision + 로봇 프로그램 방식이었다면, PLAIF의 솔루션은 AI Vsion + AI motion control로 작업자가 별도로 프로그램을 하지 않아도 로봇 스스로 학습하면서 최적화하여 생산 싸이클 시간을 줄여 줍니다.




03 BIN PICKING

       

제품의 3D pose를 인식하고 6D ( x, y, z, a, b, c)의 값을 기반으로 로봇 스스로 이동하여 제품을 pick 합니다. 학습 기반의 데이터로 확률이 낮은 pose






04 Classify Waste

        

플라스틱, 병, 종이, 캔등 다양한 폐기물을 분류 할 수 있습니다. 무한대에 가까운 폐기물의 형태와 종류를 학습 시키기 위해 Synthetic data 를 적용하였으며, 컨베어 트랙킹의 캘리브레이션데이에 강화학습 ( Reinforcement Learning ) 을 적용하였습니다. 이는 기존 해외 경쟁사 대비 50% 이상 비용을 줄일 수 있습니다.



05 Unknown Grasping

        

우리는 검은색 전원 케이블과 흰색 이더넷 케이블의 두 가지 유형의 케이블을 교육했습니다.

로봇은 우리의 SW로 훈련되지 않은 물체를 인식할 수 있습니다.

DL 소프트웨어는 케이블이 쌓여 있을 때 로봇이 픽업할 수 있는 위치를 권장합니다. 그리고 우리의 RL 소프트웨어는 로봇이 물체를 집어들 수 있는지 여부를 확인합니다. 예를 들어, 케이블이 벽에 가까이 있는지 또는 케이블을 집어 올릴 때 그리퍼의 간섭이 있는지 확인합니다.





06 Imitation Learning

        

모방 학습을 사용하는 방법을 설명합니다.

이 영상은 UR 로봇을 이용한 강의와 테스트 2부로 구성되어 있습니다. 우리의 목표는 이를 산업용 및 서비스 로봇에 적용하는 것입니다.