Nhiều quy trình công nghiệp và công việc gia đình hiện nay do con người thực hiện đòi hỏi phải thao tác với hàng dệt may, bao gồm quần áo, ga trải giường, khăn tắm, vải và các vật dụng làm từ vải khác. Hầu hết các hệ thống rô-bốt được phát triển cho đến nay đều không thể thao tác đáng tin cậy với mọi loại hàng dệt may, do những thách thức liên quan đến việc dự đoán cách các vật thể này sẽ biến dạng khi được nắm và xử lý.
Một mẫu các loại chuyển động được ghi lại: lưu ý rằng tất cả chúng đều rất năng động, bao gồm va chạm và thậm chí là tự va chạm. Nguồn: Franco Coltraro.
Các nhà nghiên cứu tại Viện Robot và Tin học Công nghiệp (CSIC-UPC) và Đại học Bách khoa Catalunya đã biên soạn một tập dữ liệu mới có thể được sử dụng để đào tạo các thuật toán robot nhằm dự đoán sự biến dạng của vải và đưa ra các chiến lược hiệu quả để thao tác chúng.
Bộ dữ liệu này, được trình bày trong một bài báo đăng trên Tạp chí Nghiên cứu Robot Quốc tế, được thu thập bằng hệ thống ghi lại chuyển động (MoCap) có chức năng thu và theo dõi ánh sáng hồng ngoại từ các điểm đánh dấu đặt trên các loại vải khác nhau.
Franco Coltraro, tác giả đầu tiên của bài báo, chia sẻ với Tech Xplore rằng: "Việc robot tự động xử lý vải là một ứng dụng tiềm năng có thể tác động sâu sắc đến xã hội và ngành công nghiệp".
"Ngày nay, tại nhà và hầu như tại bất kỳ doanh nghiệp nào có liên quan đến vải, hàng dệt may đều được con người xử lý thủ công. Hãy nghĩ đến việc gấp vải tại các cửa hàng, dọn giường trong khách sạn, xử lý hàng trả lại từ mua sắm trực tuyến: mọi thứ đều do con người xử lý.
"Lý do rất đơn giản: việc thao tác vải tự động rất khó khăn, vì vải biến dạng rất dễ dàng, va chạm với chính nó và tương tác với không khí theo cách rất phức tạp. Do đó, cần phải giải quyết vô số các vấn đề toán học và kỹ thuật để có thể thao tác vải tự động."
Trong những năm gần đây, một số nhà nghiên cứu đã cố gắng vượt qua những thách thức liên quan đến thao tác vải bằng robot bằng trí tuệ nhân tạo (AI). Tuy nhiên, để hoạt động tốt, hầu hết các mô hình dựa trên AI và máy học cần được đào tạo trên lượng dữ liệu lớn.
Việc thu thập một lượng lớn dữ liệu phác thảo sự biến dạng của các loại vải khác nhau có thể rất tốn kém và mất thời gian. Do đó, cho đến nay, nhiều nhà chế tạo robot đã sử dụng cái gọi là máy mô phỏng vải, hệ thống được thiết kế để mô phỏng vải làm từ các vật liệu khác nhau.
Coltraro cho biết: "Có rất nhiều loại mô phỏng vải khác nhau (hầu hết đến từ ngành công nghiệp trò chơi điện tử và hoạt hình)".
"Ngay cả tôi cũng đã phát triển một cái. Vấn đề là hầu hết các mô phỏng vải không được thiết kế để sử dụng trong ngành robot, mà để sử dụng trong phim ảnh và trò chơi điện tử; do đó, hầu hết chúng đều không thực tế lắm. Một số ít mô phỏng vải thực tế (ví dụ như của tôi, nếu tôi có thể nói như vậy) có các thông số cần được điều chỉnh hoặc ước tính để phù hợp với hành vi của quần áo thực tế."
Mục tiêu chính của nghiên cứu gần đây của Coltraro và các đồng nghiệp là biên soạn một tập dữ liệu chất lượng cao mới có thể giúp cải thiện dữ liệu do các trình mô phỏng vải tạo ra. Để làm được điều này, họ đã thu thập 120 bản ghi, cho thấy chuyển động của nhiều loại vải khác nhau, bằng cách sử dụng hệ thống MoCap.
"Các bản ghi mà chúng tôi thu thập được có thể giúp điều chỉnh các thông số của máy mô phỏng vải", Coltraro cho biết. "Sau đó, các máy mô phỏng vải được điều chỉnh này có thể được sử dụng để tạo ra lượng dữ liệu khổng lồ với chi phí thấp, từ đó cho phép đào tạo các mô hình AI. Chúng tôi hy vọng rằng trong tương lai, các thuật toán AI này có thể giải quyết được vấn đề thao tác vải bằng robot".
Hệ thống MoCap mà các nhà nghiên cứu sử dụng để thu thập dữ liệu của họ dựa trên các điểm đánh dấu nhỏ và rất nhẹ (tức là nặng dưới 0,013 gram) phản chiếu ánh sáng hồng ngoại. Các điểm đánh dấu ánh sáng này được đặt trên các loại vải có kích thước khác nhau và được làm từ nhiều loại vật liệu khác nhau, để theo dõi sự biến dạng của chúng theo thời gian mà không ảnh hưởng đến chuyển động của chúng.
Coltraro cho biết: "Chúng tôi đã sử dụng rất nhiều camera để theo dõi các điểm đánh dấu phản chiếu này và do đó biết được chúng ở đâu trong không gian".
"Ưu điểm của việc sử dụng MoCap so với các phương pháp khác (ví dụ như camera chiều sâu, như Xbox Kinect) là các bản ghi cực kỳ mượt mà (gần như không có tiếng ồn) và người ta có thể ghi lại nhiều chuyển động khác nhau vì camera có thể bao quanh cảnh (chúng ta có thể giảm thiểu hiện tượng vải tự che khuất)."
Coltraro và các đồng nghiệp đã ghi lại quần áo có hai kích cỡ và làm từ bốn chất liệu khác nhau, cụ thể là cotton, denim, len và polyester. Những loại vải này được ghi lại ở các tốc độ khác nhau, để cho thấy chúng biến dạng như thế nào khi được xử lý theo những cách khác nhau.
Bên trái: thiết lập được sử dụng để ghi lại chuyển động của hàng dệt may. Năm máy quay bao quanh bối cảnh sao cho mọi điểm đánh dấu (được khoanh tròn màu đỏ ở bên phải) đều có thể nhìn thấy được bởi ít nhất hai máy quay cùng một lúc. Bên phải: các điểm đánh dấu phản chiếu được gắn vào mẫu vải denim, có đường kính 3 mm và trọng lượng 0,013 g. Tín dụng: Franco Coltraro.
Khi dữ liệu MoCap được ghi lại, vải được xử lý theo những cách cụ thể phản ánh các tình huống thực tế. Ví dụ, các nhà nghiên cứu lắc chúng, xoắn chúng, chà xát chúng vào các vật thể ma sát, đập chúng bằng một công cụ cứng dài và thậm chí đập chúng vào nhau.
Coltraro cho biết: "Một trong những phát hiện đáng chú ý và bất ngờ nhất của nghiên cứu này là mức độ thay đổi trong chuyển động của vải ngay cả khi cùng một loại vải và cùng một chuyển động".
"Chúng tôi lấy mẫu polyester DIN A3 và thực hiện nhiều lần cùng một chuyển động với một rô-bốt và tấm vải. Chuyển động này là đặt tấm vải lên bàn một cách linh hoạt. Bạn sẽ mong đợi trạng thái cuối cùng của tấm vải sẽ giống nhau mỗi lần, đúng không? Sai rồi.
"Ngay cả với một con rô-bốt (nó thực hiện chính xác cùng một quỹ đạo mà không có lỗi), chúng tôi vẫn thấy sự thay đổi ở trạng thái cuối cùng (không lớn nhưng cũng có một số). Tôi nghĩ điều này liên quan đến thuyết hỗn loạn và có thể là một thách thức khác đối với thao tác vải."
Bộ dữ liệu mới do Coltraro và các đồng nghiệp của ông tạo ra có thể sớm được sử dụng để điều chỉnh các trình mô phỏng vải, cải thiện chất lượng mô phỏng mà chúng tạo ra. Điều này có thể dẫn đến việc tạo ra các bộ dữ liệu mới chứa các biến dạng và chuyển động vải thực tế nhưng được mô phỏng, sau đó có thể được sử dụng để đào tạo các mô hình AI cho thao tác vải bằng rô-bốt.
Coltraro cho biết thêm: "Trong nghiên cứu tiếp theo, tôi dự định sử dụng mô phỏng vải không co giãn của riêng mình để phát triển các thuật toán nhằm điều khiển vải bằng robot".
"Tôi sẽ sử dụng dữ liệu trong bài báo này để điều chỉnh trình mô phỏng của mình sao cho phù hợp với hành vi của vải thật và sau đó phát triển các thuật toán thao tác. Các vấn đề mở mà tôi đang giải quyết là mô hình hóa khí động học của hàng dệt may và nghiên cứu về mặt toán học các trạng thái biến dạng có thể xảy ra mà vải có thể biểu hiện và cách điều hướng qua chúng."
Mời các đối tác xem hoạt động của Công ty TNHH Pacific Group.
FanPage: https://www.facebook.com/Pacific-Group
YouTube: https://www.youtube.com/@PacificGroupCoLt
