Uma técnica para facilitar a manipulação robótica de panos amassados

Para ajudar os humanos nas suas atividades diárias e realizar com sucesso as tarefas domésticas, os robôs devem ser capazes de manipular eficazmente os objetos que usamos todos os dias, incluindo utensílios e equipamentos de limpeza. Alguns objetos, no entanto, são difíceis de agarrar e manusear pelas mãos robóticas, devido à sua forma, flexibilidade ou outras características.

Esses objetos incluem panos à base de têxteis, que são comumente usados ​​por humanos para limpar superfícies, polir janelas, vidros ou espelhos e até mesmo esfregar o chão. Todas essas são tarefas que poderiam ser potencialmente concluídas por robôs, mas antes que isso aconteça, os robôs precisarão ser capazes de agarrar e manipular panos.

Pesquisadores da ETH Zurique introduziram recentemente uma nova técnica computacional para criar representações visuais de panos amassados, o que poderia, por sua vez, ajudar a planejar estratégias eficazes para os robôs agarrarem os panos e usá-los ao completar tarefas. Esta técnica, apresentada em um artigo pré-publicado em arXivdescobriu-se que se generaliza bem em tecidos com diferentes propriedades físicas e de diferentes formas, tamanhos e materiais.

“Reconstruir e manipular com precisão um pano amassado é um desafio devido à alta dimensionalidade do modelo de tecido, bem como à observação limitada em regiões auto-ocluídas”, escreveram Wenbo Wang, Gen Li, Miguel Zamora e Stelian Coros em seu artigo. “Aproveitamos o progresso recente no campo da reconstrução do corpo humano com visão única para reconstruir os tecidos amassados ​​com base em modelos apenas a partir de suas observações de profundidade de visão superior, com nossos protocolos de registro sim-reais propostos.”

Para reconstruir malhas inteiras de tecidos amassados, Wang, Li e seus colegas usaram um modelo baseado em redes neurais gráficas (GNNs). Trata-se de uma classe de algoritmos destinados a processar dados que podem ser representados como um gráfico.

Para treinar seu modelo, os pesquisadores compilaram um conjunto de dados contendo mais de 120.000 imagens sintéticas provenientes de simulações de malhas de tecido e imagens de tecido RGBD renderizadas em vídeo superior, bem como mais de 3.000 imagens rotuladas de tecidos capturadas em ambientes do mundo real. Após um treinamento substancial nesses dois conjuntos de dados, descobriu-se que o modelo da equipe prediz com eficácia as posições e a visibilidade de vértices inteiros do tecido apenas visualizando os panos de cima.

“Em contraste com as representações implícitas de tecido anteriores, nossa malha de reconstrução indica explicitamente as posições e visibilidades de todos os vértices da malha de tecido, permitindo manipulações mais eficientes orientadas ao alvo com braço duplo e braço único”, escreveram Wang, Li e seus colegas.

Para avaliar o desempenho do seu modelo, os pesquisadores realizaram uma série de testes, tanto em simulação quanto em ambiente experimental. Nestes testes, eles aplicaram seu modelo ao robô YuMi da ABB, um busto robótico humanóide com dois braços e mãos.

Tanto em simulações quanto em experimentos, seu modelo foi capaz de produzir representações de malha de tecidos que poderiam guiar efetivamente os movimentos do robô YuMi da ABB. Essas malhas permitiram ao robô segurar e manipular melhor vários tecidos, seja com uma única mão ou com ambas.

“Experiências demonstram que nosso sistema de reconstrução baseado em modelo e manipulação orientada a alvos (TRTM) pode ser aplicado a tecidos diários com topologias semelhantes às de nossa malha de modelo, mas têm diferentes formas, tamanhos, padrões e propriedades físicas”, escreveram os pesquisadores.

Os conjuntos de dados compilados pelos pesquisadores e o código de seus modelos são de código aberto e podem ser acessados ​​no GitHub. No futuro, este trabalho recente poderá abrir caminho para novos avanços no campo da robótica. Mais notavelmente, poderia ajudar a aprimorar as capacidades do design de robôs móveis para ajudar os humanos nas tarefas domésticas, melhorando a capacidade desses robôs de manusear toalhas de mesa e vários outros panos comumente usados ​​para limpeza.

© 2023 Science X Network