Um novo conjunto de dados de alta qualidade para treinar algoritmos de robótica em tarefas de manipulação têxtil

Um novo conjunto de dados de alta qualidade para treinar algoritmos de robótica em tarefas de manipulação têxtil

Uma amostra dos tipos de movimentos registrados: observe que eles são todos muito dinâmicos, envolve colisões e até auto-colisões. Crédito: Franco Coltraro.

Muitos processos industriais e tarefas domésticas atualmente concluídas por seres humanos envolvem a manipulação de têxteis, incluindo roupas, folhas, toalhas, panos e outros objetos à base de tecido. A maioria dos sistemas robóticos desenvolvidos até agora não manipula de forma confiável todos os tipos de têxteis, devido a desafios associados à previsão de como esses objetos se deformam quando agarrados e manipulados.

Pesquisadores do Institut de Robòtica I Informàtica Industrial (CSIC-UPC) e Universitat Politècnica de Catalunya compilaram um novo conjunto de dados que poderia ser usado para treinar algoritmos de robótica para prever a deformação de panos e criar estratégias eficazes para manipulá-las.

Este conjunto de dados, apresentado em um artigo publicado no International Journal of Robotics Researchfoi coletado usando um sistema de captura de movimento (MOCAP) que capta e rastreia a luz infravermelha de marcadores colocados em diferentes têxteis.

“A manipulação automática de pano pelos robôs é uma aplicação potencial que pode afetar profundamente a sociedade e a indústria”, disse Franco Coltraro, primeiro autor do artigo, ao Tech Xplore.

“Atualmente, em casa e praticamente em qualquer negócio em que o tecido seja relevante, os têxteis são tratados manualmente pelos seres humanos. Pense em dobrar pano nas lojas, fazendo camas em hotéis, lidando com retornos de roupas provenientes de compras on -line: tudo é tratado por humanos.

“O motivo é simples: manipular o pano automaticamente é muito difícil, pois o pano se deforma muito livremente, colide consigo mesmo e interage com o ar de uma maneira muito complicada. Assim, uma infinidade de problemas matemáticos e de engenharia precisa ser resolvido para permitir que o pano automático manipulação.”

Nos últimos anos, alguns pesquisadores tentam superar os desafios associados à manipulação de tecidos robóticos usando a inteligência artificial (IA). Para ter um bom desempenho, no entanto, a maioria dos modelos de IA e aprendizado de máquina precisa ser treinado em grandes quantidades de dados.

A coleta de uma grande quantidade de dados que descreve a deformação de diferentes tecidos pode ser muito cara e demorada. Portanto, até agora, muitos roboticistas usaram os chamados simuladores de pano, sistemas projetados para simular panos feitos de diferentes materiais.







Crédito: Franco Coltraro

“Existem muitos simuladores de pano diferentes (a maioria proveniente da indústria de videogame e animação)”, disse Coltrraro.

“Até eu desenvolvi um. O problema é que a maioria dos simuladores de pano não foi projetada para ser usada na robótica, mas para ser usada em filmes e videogames; portanto, a maioria deles não é muito realista. Os poucos simuladores de pano que são realistas realistas (Por exemplo, o meu, se posso dizer) tem parâmetros que precisam ser ajustados ou estimados para se adequar ao comportamento de roupas reais “.

O principal objetivo do estudo recente de Coltraro e seus colegas era compilar um novo conjunto de dados de alta qualidade que poderia ajudar a melhorar os dados gerados pelos simuladores de pano. Para fazer isso, eles coletaram 120 gravações, mostrando os movimentos de vários têxteis, usando um sistema MOCAP.

“As gravações que coletamos podem ajudar a ajustar os parâmetros dos simuladores de pano”, disse Coltra. “Então, esses simuladores de pano sintonizados podem ser usados ​​para gerar enormes quantidades de dados baratos, o que, por sua vez, permite o treinamento dos modelos de IA. Nossa esperança é que, no futuro, esses algoritmos de IA possam resolver o problema da manipulação de pano robótico”.

O sistema MOCAP que os pesquisadores usaram para coletar seus dados depende de marcadores minúsculos e muito leves (ou seja, pesando menos de 0,013 gramas) que refletem a luz infravermelha. Esses marcadores leves foram colocados em panos de tamanhos diferentes e feitos de vários materiais, para rastrear sua deformação ao longo do tempo sem influenciar seus movimentos.

“Usamos muitas câmeras para rastrear esses marcadores reflexivos e, portanto, sabemos onde estão no espaço”, disse Coltra.

“A vantagem de usar o MOCAP versus outras abordagens (por exemplo, câmeras de profundidade, como o Xbox Kinect) é que as gravações são super suaves (quase sem ruído) e que podemos gravar muitos movimentos variados, já que as câmeras podem cercar a cena (nós pode minimizar as auto-oclusões de pano). ”

Colraro e seus colegas registraram roupas de dois tamanhos e feitos de quatro materiais diferentes, a saber, algodão, jeans, lã e poliéster. Esses panos foram gravados em velocidades diferentes, para mostrar como se deformam quando são tratados de maneira diferente.

Um novo conjunto de dados de alta qualidade para treinar algoritmos de robótica em tarefas de manipulação têxtil

Esquerda: Configuração usada para gravar o movimento dos têxteis. Cinco câmeras cercam a cena para que todos os marcadores (cercados em vermelho à direita) sejam visíveis para pelo menos duas câmeras ao mesmo tempo. Direita: Marcadores reflexivos ligados à amostra de jeans, com um diâmetro de 3 mm e um peso de 0,013 g. Crédito: Franco Coltraro.

Quando os dados do MOCAP foram registrados, os panos foram manipulados de maneiras específicas que refletiam cenários do mundo real. Por exemplo, os pesquisadores os sacudiram, torceram -os, esfregaram -os em objetos de fricção, atingiram -os com uma longa ferramenta rígida e até os atingiram.

“Uma das descobertas mais notáveis ​​e inesperadas deste estudo foi quanta variação existe no movimento do pano, mesmo com o mesmo pano e o mesmo movimento”, disse Coltraro.

“Pegamos a amostra DIN A3 Polyester e executamos muitas vezes o mesmo movimento com um robô e o pano. O movimento estava colocando o pano dinamicamente em uma mesa. Você esperaria que o estado final do pano fosse o mesmo ? Errado.

“Mesmo com um robô (executou exatamente a mesma trajetória sem erro), encontramos variação no estado final (não enorme, mas alguns). Acho que isso está relacionado à teoria do caos e pode ser outro desafio para a manipulação de pano”.

O novo conjunto de dados criado por Coltrraro e seus colegas poderá em breve ser usado para ajustar os simuladores de pano, melhorando a qualidade das simulações que produzem. Isso pode levar à geração de novos conjuntos de dados contendo deformações e movimentos de pano realistas, mas simulados, que por sua vez poderiam ser usados ​​para treinar modelos de IA para manipulação de pano robótico.

“Nos meus próximos estudos, pretendo usar meu próprio simulador de pano inextensível para desenvolver algoritmos para manipular pano com robôs”, acrescentou Coltrraro.

“Vou usar os dados neste artigo para ajustar meu simulador para fazer com que correspondam ao comportamento de panos reais e depois desenvolver algoritmos de manipulação. Problemas abertos que estou abordando estão modelando a aerodinâmica dos têxteis e estudando matematicamente a possível deformação pode apresentar e como navegar por eles. ”

Mais informações:
Franco Coltraro et al, Rastreando deformação de pano: um novo conjunto de dados para fechar a lacuna sim-real para a manipulação de pano robótico, aprendizado The International Journal of Robotics Research (2025). Doi: 10.1177/02783649251317617

© 2025 Science X Network

Citação: Um novo conjunto de dados de alta qualidade para treinar algoritmos de robótica em tarefas de manipulação têxtil (2025, 26 de fevereiro) recuperado em 26 de fevereiro de 2025 de https://techxplore.com/news/2025-02-high-quality-dataset-botics-algorithms. html

Este documento está sujeito a direitos autorais. Além de qualquer negociação justa para fins de estudo ou pesquisa particular, nenhuma parte pode ser reproduzida sem a permissão por escrito. O conteúdo é fornecido apenas para fins de informação.



Deixe uma resposta