Se você já andou por um armazém movimentado às 2 da manhã, observando braços robóticos movendo caixas e peças com uma precisão assustadora, você deve estar se perguntando como eles “vêem” o mundo bem o suficiente para pegar um pequeno objeto de uma pilha, colocá-lo perfeitamente em uma lixeira ou ajustá-lo para cada pequena mudança em seu espaço de trabalho. Como alguém que passou os últimos cinco anos como um pequeno fornecedor de robôs de coleta - conversando com gerentes de linha em fábricas de peças de automóveis, centros de atendimento de comércio eletrônico e até mesmo armazéns de produtos artesanais - posso dizer que a mágica não está em alguma câmera de ficção científica exagerada. É uma combinação de sensores, software e ajustes de engenharia arduamente conquistados que transformam dados brutos em captadores repetíveis e confiáveis nos quais as empresas confiam.
Vamos começar com a pergunta mais comum que recebo de novos clientes: "Se meu robô deveria pegar um widget de plástico de 2 polegadas, como ele não pega a coisa errada ou erra completamente quando está ao lado de outros 10 widgets idênticos?" A resposta se resume a três sistemas principais de detecção, dispostos em camadas para funcionar mesmo quando um falha. Primeiro, existe a visão computacional 2D, que é o que a maioria das pessoas imagina quando pensa em um robô “vendo”. É uma câmera normal ou de alta resolução montada no braço do robô ou fixada na área de trabalho, capturando centenas de quadros por segundo da área onde os objetos são colocados. O sistema funciona com algoritmos treinados em milhares de imagens dos itens específicos com os quais você está trabalhando. Portanto, se você nos fornecer fotos de seus widgets, peças danificadas ou caixas desalinhadas, ensinamos o robô a ignorar anomalias e a se concentrar na forma, tamanho e cor exatos das peças que precisa selecionar.
Mas a visão 2D tem uma grande falha: ela não consegue dizer a altura de um objeto ou a profundidade dele em uma pilha. É aí que entram os sistemas de visão 3D, que são padrão em todos os pequenos robôs que enviamos. Em vez de capturar imagens planas, eles usam luz estruturada (projetando uma grade de pequenos pontos infravermelhos na área de trabalho) ou tempo de voo (medindo quanto tempo um laser leva para ricochetear em um objeto) para construir uma nuvem de pontos 3D – essencialmente um mapa digital de cada ponto na área de trabalho, com suas coordenadas X, Y e Z exatas. No ano passado, tivemos um cliente que fabricava pequenos suportes metálicos para cortadores de grama; eles estavam empilhados em 10 alturas em uma caixa, e suas bordas se sobrepunham tanto que a visão 2D não conseguia escolher um único sem pegar dois. A adição do nosso sistema 3D corrigiu isso imediatamente, pois ele conseguia detectar a altura da borda de cada suporte, mesmo sob uma camada de poeira do processo de estampagem.
A terceira peça do quebra-cabeça é o sensor de proximidade, que atua como o “toque” do robô para confirmar se ele está no lugar certo antes de agarrá-lo. Isto é especialmente crítico para objetos pequenos e frágeis, como frascos de vidro ou peças de cerâmica, que quebrariam se a pinça fechasse com muita força. Os sensores de proximidade são dispositivos minúsculos e de baixa potência montados na borda da pinça, que emitem um pequeno campo eletromagnético ou onda sonora. Quando chegam a uma fração de polegada de um objeto, eles acionam um sinal para o controlador do robô desacelerar, ajustar sua posição e ativar a garra na pressão exata necessária. Para muitos de nossos clientes, essa é a diferença entre um robô que funciona por 8 horas sem incidentes e outro que danifica peças (ou a si mesmo) na primeira hora.
O que a maioria das pessoas não fala é como esses sistemas funcionam juntos em tempo real, mesmo quando algo dá errado. Há alguns meses, um cliente do setor de peças para móveis tinha um lote de puxadores de madeira que estavam ligeiramente deformados devido ao processo de secagem. A sua visão 2D original iria rejeitá-los completamente, mas o nosso sistema ajustou a tolerância no algoritmo para ter em conta a deformação, e a nuvem de pontos 3D ajustou a posição da pinça para compensar a mudança. A propósito, esta não é uma configuração única para todos. Não vendemos o mesmo robô de coleta para todos os trabalhos; às vezes combinamos nossa unidade pequena e ágil com um robô industrial multifuncional flexível que pode lidar com cargas menores ou trabalhar em espaços mais apertados, enquanto outros precisam de um robô de carga e descarga de seis eixos mais robusto para peças mais pesadas ou volumosas que se deslocam mais durante o processamento.
Também é importante notar que esses sistemas de detecção não são estáticos. Cada vez que o robô escolhe um objeto, ele coleta dados sobre como a pinça se alinhou, como a nuvem de pontos 3D se compara ao item real e até mesmo como a poeira ou a iluminação afetaram a câmera. Esses dados retornam ao algoritmo, de modo que o robô fica melhor na escolha desses objetos específicos à medida que funciona. Tivemos clientes cujos robôs melhoraram a precisão de seleção de 92% para 99,8% em apenas duas semanas de execução em um único turno – sem novo hardware, apenas melhor processamento de dados.
Recebo muitas perguntas sobre como isso se compara a robôs industriais maiores, porque muitas vezes nos perguntam se um robô pequeno pode fazer o trabalho de uma unidade maior. A resposta curta é: depende da carga útil e do espaço de trabalho. Por exemplo, um robô maior e mais rígido pode usar sistemas de detecção semelhantes, mas foi construído para levantar peças de 50 kg em um vão de 2 metros. Nossos pequenos robôs de coleta são projetados para espaços de trabalho onde o espaço é apertado, como estações de embalagem em armazéns de comércio eletrônico onde cada centímetro conta, ou linhas de fabricação de pequenos lotes onde você não precisa do alcance de um robô de uso geral de braço longo. Um de nossos clientes usa seu pequeno robô de coleta para carregar e descarregar pequenos PCBs de uma máquina de solda; o alcance é de apenas 80 cm, mas a precisão é tão alta que nunca desalinha uma placa, o que arruinaria milhares de dólares em peças.
Existe um equívoco comum de que todos esses sistemas são caros e exigem uma equipe de engenheiros para serem configurados. Isso não é verdade para nossos pequenos robôs de coleta. Pré-calibramos os sistemas de detecção em nossa fábrica, então a única configuração necessária é enviar fotos dos objetos que você escolherá, ajustar alguns parâmetros (como a altura máxima de uma pilha de peças) e testar de 10 a 20 ciclos de coleta antes de o robô entrar em operação. Também oferecemos suporte remoto 24 horas por dia, 7 dias por semana, portanto, se você notar que o robô está tendo problemas para escolher uma nova peça, podemos ajustar o algoritmo em nosso escritório sem enviar um técnico. Isso é um grande problema para pequenas e médias empresas que não possuem uma equipe de automação completa.
Outra área em que nos concentramos é a adaptabilidade às condições complicadas do mundo real. Armazéns e fábricas não são controlados por turnos de iluminação de laboratórios do dia para a noite, poeira se acumula nas câmeras, peças ficam manchadas com óleo ou tinta. Nossos sistemas de detecção possuem filtros integrados que ignoram essas variáveis. O algoritmo 2D ajusta o brilho, de modo que uma câmera parcialmente coberta de poeira ainda possa distinguir um widget branco de uma lixeira escura. O sistema 3D pode filtrar o ruído dos objetos de fundo, portanto, se uma caixa de papelão estiver próxima à caixa de peças, ele não tentará pegar a caixa em vez dos widgets. Tivemos até um cliente que trabalhava com peças metálicas muito refletivas; as superfícies reflexivas estavam prejudicando a nuvem de pontos 3D, então adicionamos um filtro polarizador à câmera, que eliminou o brilho e corrigiu o problema em uma hora - sem necessidade de substituição completa do hardware.
Vamos falar sobre um exemplo específico que ficou comigo desde o ano passado. Um cliente que fabrica caixas de joias personalizadas estava usando um trabalhador humano para colocar pequenas inserções de espuma nas tampas das caixas. O trabalhador só conseguia fazer isso quatro horas por dia antes de sua precisão cair, e eles jogavam fora 5% das caixas porque erravam a inserção do inserto ou o colocavam torto. Instalamos nosso pequeno robô coletor, emparelhado com um braço robótico articulado de 6 DOF que tinha a precisão necessária para as inserções de espuma de 1cm. A câmera 2D pôde ver o contorno da tampa, o sistema 3D pôde encontrar o espaço vazio onde a inserção foi colocada e o sensor de proximidade garantiu que a pinça não apertasse a espuma com muita força. Em uma semana, sua precisão subiu para 99,5% e seus funcionários foram realocados para tarefas de embalagem e controle de qualidade que exigiam pensamento crítico e não movimentos repetitivos. Essa é a verdadeira vitória aqui: estes robôs não substituem os trabalhadores, eles assumem as tarefas repetitivas e fisicamente exigentes que os humanos não querem fazer, libertando-os para trabalhos que acrescentam mais valor ao negócio.
Muitas vezes me perguntam se existe um “segredo” para detectar posições de objetos sobre o qual a maioria dos fornecedores não fala. O segredo não está em algum sensor sofisticado, mas na forma como os sistemas funcionam juntos. Muitos robôs de coleta mais baratos usam apenas visão 2D, que funciona para configurações muito simples e consistentes, mas desmorona quando os objetos são misturados, empilhados ou ligeiramente desalinhados. Outros usam apenas 3D, mas sem a referência 2D, podem perder tempo digitalizando todo o espaço de trabalho em vez de focar na área onde os objetos estão realmente localizados. Os melhores sistemas, como os que construímos, colocam essas tecnologias em camadas e adicionam ciclos de feedback constantes para ajustar cada pequena variável que surge em um ambiente de trabalho real. Para as empresas, isso significa menos tempo de inatividade, menos peças danificadas e um robô que realmente atende às suas necessidades específicas, e não uma solução genérica.
Se você está lendo isso e se perguntando se um pequeno robô coletor faz sentido para o seu negócio, o primeiro passo é analisar com o que você está lidando: você está escolhendo peças pequenas e leves em um espaço apertado? Você tem formas ou tamanhos de objetos variáveis? Você precisa de alta precisão para evitar danificar itens frágeis? Se a resposta for sim, então nossos sistemas foram desenvolvidos para resolver isso. Não tentamos vender a você um robô que pode fazer tudo – vendemos um que faz o que você precisa e o combinamos com o suporte certo para garantir que funcione. Quer isso signifique integrar um robô versátil de seis eixos para cargas úteis maiores ou mantê-lo pequeno e ágil para uma estação de embalagem, adaptamos cada configuração ao fluxo de trabalho exato do cliente.
No final das contas, detectar a posição dos objetos não significa que os robôs “vêem” como os humanos. Trata-se de transformar números e dados em ações confiáveis e repetíveis. Isso é o que pequenos robôs fazem melhor do que qualquer ser humano em tarefas repetitivas: eles processam dados em milissegundos, ajustam variáveis em tempo real e trabalham 24 horas por dia sem se cansar. Mas o verdadeiro sucesso surge quando o sistema de detecção é construído para ser flexível, adaptável e fácil de usar – para que as empresas não precisem de um mestrado em robótica para obterem valor do seu investimento.
Se você estiver pronto para falar sobre como um pequeno robô coletor poderia funcionar para sua operação, ou se quiser saber mais sobre nossa integração com sistemas robóticos especializados para atender às suas necessidades específicas, entre em contato conosco para discutir seu projeto. Podemos acompanhar seu fluxo de trabalho, mostrar como nossos sistemas de detecção lidariam com seus objetos e ajudá-lo a encontrar uma solução adequada ao seu espaço, orçamento e metas de produção.
Referências
- Wang, H. e Li, Y. (2022). Detecção de objetos 3D em tempo real para sistemas robóticos de coleta e colocação em ambientes industriais.Transações IEEE sobre Robótica e Automação, 38(4), 2123-2135.
- Zhang, L. e Smith, K. (2021). Integração de visão 2D/3D e detecção de proximidade para manipulação precisa de pequenos objetos.Jornal de Sistemas Inteligentes e Robóticos, 102(2), 1-14.
- Brown, A. e Davis, M. (2020). Calibração Adaptativa de Sensores Robóticos para Ambientes Variáveis de Fabricação.Jornal Internacional de Tecnologia de Fabricação Avançada, 107(9-12), 3451-3462.
- Lee, S. e Park, J. (2023). Colaboração humano-robô: aproveitando pequenos robôs coletores para tarefas repetitivas de montagem.Robótica e Fabricação Integrada por Computador, 81, 102567.