لا تزال عمليات التقاط الأجسام في البيئات الصناعية تواجه تحديات كبيرة، منها الفوضى الشديدة والعوائق وتكلفة الأنظمة التقليدية العالية. لكن، مع إدخال تقنية بيكاللو (Pickalo)، يأتي الأمل لتغيير المشهد.

تستند بيكاللو إلى نظام موحد يستخدم كاميرا RGB-D مثبتة على المعصم، تهدف إلى استكشاف المشهد من زوايا متعددة. يقوم النظام بمعالجة التدفقات الستيريو الأولية باستخدام خوارزمية BridgeDepth، مما يساعد على الحصول على خرائط عمق مفصلة تناسب عمليات تقييم الاصطدام بدقة عالية.

يعتمد النظام على نموذج Mask-RCNN المصمم خصيصاً لإدراك الأجسام، وقد تم تدريبه على بيانات فوتورياليستيك (photorealistic synthetic data)، ليقدم أداءً منقطع النظير في تحديد مواضع الأجسام. ومن خلال خوارزمية تقدير وضع عدم اتصال SAM-6D، تتمكن بيكاللو من تحسين عملية التقاط الأجسام.

يعمل نموذج مخزن الأوضاع على دمج الملاحظات المتعددة على مدار الزمن، مما يساهم في التعامل مع تماثيل الأجسام وتقليل الضجيج الناتج عن الحركة. وعند الفحص الخارجي، يتم إنشاء وتنسيق مجموعات كبيرة من خيارات التقاط الأجسام، بينما تعمل الخوارزميات على تقييم الأولويات والتحقق السريع من التصادم لخطط التقاط الأجسام.

تُطبق بيكاللو على الروبوت UR5e مع قاطع فم متوازي وكاميرا Intel RealSense D435i، حيث تحقق النظام ما يصل إلى 600 عملية التقاط لكل ساعة، ونجاح يتراوح بين 96-99%، مع أداء ثابت خلال فترة تصل إلى 30 دقيقة من العمل المتواصل على صناديق اليورو المليئة. تشير الدراسات حول الأداء إلى فوائد كبيرة تأتي من تحسين تقدير العمق ودور مخزن الأوضاع في الاستقرار والقدرة الإنتاجية خلال ظروف العمل الصناعية الواقعية.

لمشاهدة الفيديوهات الخاصة بالتقنية، يمكنكم زيارة الرابط التالي: https://mesh-iit.github.io/project-jl2-camozzi/