실제 제조 환경용 학습 증강 로봇 자동화

산업용 로봇은 제조업에 널리 사용되고 있으나, 대부분의 조작은 환경 변화에 취약한 고정된 웨이포인트 스크립트에 의존하고 있습니다. 학습 기반 제어는 더 적응력 있는 대안을 제시하지만, 이러한 방법들이 여전히 주로 실험실 데모로 제한되어 있는지, 실제 생산 라인에서 사람 주위에서도 안전하게 작동할 수 있으며, 수 시간 동안 신뢰할 수 있는 작동을 유지하고 일관된 품질을 제공할 수 있는지는 명확하지 않습니다. 여기서는 학습된 작업 제어기와 신경망 3D 안전 모니터를 기존 산업 워크플로우에 통합한 하이브리드 시스템인 'Learning-Augmented Robotic Automation(학습 증강 로봇 자동화)'를 제시합니다. 우리는 이 시스템을 전기 모터 생산 라인에 배포하여, 실제 제조 제약 조건 하에서 변형 가능한 케이블 삽입 및 납땜 작업을 자동화했습니다. 이는 이전에 인간 작업자가 수동으로 수행하던 단계입니다. 각 작업당 20 분 미만의 실제 세계 데이터로 학습된 시스템은 물리적 펜싱 없이도 5 시간 10 분 동안 연속적으로 작동하여 108 개의 모터를 생산했으며, 제품 수준 품질 관리 테스트에서 99.4% 의 합격률을 달성했습니다. 이 시스템은 인간 수준의 타クト 타임(takt time)을 유지하면서 납땜 접합부 품질과 사이클 시간의 변동성을 줄였습니다. 이러한 결과는 학습 기반 방법으로 산업 자동화를 확장하는 실용적인 경로를 확립합니다.