Soft Robotics が安全性と生産性の向上を目指して NVIDIA Isaac Sim の合成データを食品加工オートメーションに適用
とうとう、ロボットが物をつかむこつを覚えました。
開発者たちは過去何年にもわたって、規模の大きな産業での応用を目指して、ロボティック グリップを改良しようと努めてきました。ベルト コンベア上を高速で移動する物をしっかりとつかんで移すことができれば、とても大きなビジネスになることは間違いありません。
マサチューセッツ州ベッドフォードに拠点を置くスタートアップ企業の Soft Robotics は、NVIDIA Isaac Sim を活用して、ロボティック グリップの応用におけるシミュレーションと現実のギャップを埋めようとしています。取り組んでいる分野の 1 つに、食品のパッケージングを行う際のつかんで配置するという動作があります。
Soft Robotics の mGripAI システムは、食品のパッケージングと加工を行う企業に活用されています。このシステムでは、やさしく物をつかむ機能と 3D ビジョン、AI を組み合わせて、鶏肉、野菜、果物、パンなどの傷つきやすい食料品を、ダメージを与えることなくつかむことができます。
Soft Robotics のソフトウェア エンジニアリング部門のシニア ディレクターを務めるデイビッド ウェザーマックス (David Weatherwax) 氏は次のように述べています。「私たちは、物をつかむというソリューションにおける手、目、頭脳を販売しています」
ロボティクスを採用している他の業種とは異なり、8 兆ドル規模の食品市場においては、構造化されていない環境でさまざまな品目を扱うためロボットの開発が遅れていたと、Soft Robotics は述べています。
2013 年に創業された Soft Robotics は、最近、Tyson Ventures、Marel、Johnsonville Ventures からシリーズ C の 2,600 万ドルの資金提供を受けました。
Tyson Foods や Johnsonville などの企業は、施設内の安全性と生産性を向上させるために、ロボティック オートメーションの採用を推し進めています。両社とも、Soft Robotics のテクノロジに頼っています。
Soft Robotics は NVIDIA Inception プログラムのメンバーです。このプログラムは、GPU のサポートと AI プラットフォームのガイダンスを企業に提供するものです。
合成データを活用する
物をつかむということにおいて、それぞれの応用分野では個別のデータセットが必要であり、Soft Robotics は各応用分野向けに独自のモデルを開発しています。また、湿ってすべりやすい鶏肉などの食料品の山から対象物をつかむことは、工夫が必要なチャレンジです。
Soft Robotics は Omniverse と Isaac Sim を活用して、ベルト コンベア上や容器内などのさまざまな背景の中で、また、さまざまな照明のシナリオの中で、鶏肉の 3D レンダリングを作成しています。
同社は Isaac Replicator を活用して合成データを開発し、1 つのモデルあたり数十万の画像を生成し、クラウドに置かれた複数のインスタンスにそれらの画像を配置しています。Isaac Replicator とは、Isaac Sim を使用して合成データを生成するためのツール、API、ワークフローのセットです。
また、同社は骨格推定モデルを利用して、つかむアイテムの角度をグリッピング システムが把握できるようにしています。
Soft Robotics は現場に NVIDIA A100 Tensor コア GPU を導入し、食品加工施設におけるそれぞれの応用のための独自モデルを活用して、瞬時に推論を行っています。また、Isaac Sim のシミュレーションとトレーニングでは、NVIDIA A100 GPU にアクセスしてワークロードのスケールアップに対応しています。
ウェザーマックス氏は次のように述べています。「当社の現在のセットアップは完全に合成されたものであり、新しい応用を迅速に配備することができます。私たちは Omniverse と Isaac Sim を大いに活用しており、これらのテクノロジは素晴らしく機能しています」
オクルージョンとライティングの問題を解決する
Soft Robotics における大きな課題の 1 つに、鶏肉が山のように積まれて個々のピースが重なりあっていて、それぞれのピースを把握しなければならない場合に、オクルージョンの問題を解決することです。「これは本当に複雑なことなのです」とウェザーマックス氏は言います。
湿った鶏肉の光沢は検出モデルを混乱させてしまう場合があります。「鍵を握るのはライティングであり、NVIDIA RTX によって動作するレイ トレーシングはとても重要です」とウェザーマックス氏は説明します。
しかし、山のように積まれたピースの中で最も障害がなく、ロボットがつかみやすいものはどれであるかを一瞬で判別するために、すべてを 3D でモデリングすることは、非常におもしろい部分でもあります。
物理学に基づいて高精度の合成データのセットを構築することによって、Omniverse はこのような環境を作成することを可能にします。「最も大きな課題の 1 つに、こうした形の定まっていない物体が山のように積まれた状況をいかに作り出すかという点があります」
製造ラインでのつかむ動作の精度を向上させる
食品加工工場の加工ラインは高速に動いている場合があります。特定の応用モデルを搭載して配備されるロボットは、1 分間に 100 個のピースを扱うことが期待されます。
これは現在も進歩に向けて作業が続けられている部分ですが、このようなタスクの成功はアイテムの山を正確に表現できるかどうかにかかっています。これは、アイテムがどのように積み重なって山を形成するかについて、あらゆる可能性を考慮したデータセットをトレーニングすることによってサポートされます。
目標は、複雑で動的な環境でロボットが最適なつかみ方を選択できるようにすることです。食品がベルト コンベアから落下したり、何らかの損傷を受けたりした場合、それらは廃棄物となり、利益に直接影響を与えます。
生産性を向上させる
精肉企業は鶏肉の加工を人手に頼っていますが、他の多くの業種と同様に従業員不足に直面しています。企業によっては、新しい食品加工工場を建設したものの、操業開始の時点で十分な従業員を集めることができない場合もあると、ウェザーマックス氏は述べています。
「人員確保には多くの困難があり、そのためオートメーションに対する期待があります」と彼は言います。
食品加工企業向けの Omniverse を活用した作業により、シミュレーション能力が 10 倍以上に高まり、AI ピッキング システムの配備に要する時間が数カ月から数日に短縮されました。
これにより、Soft Robotics のお客様は、鶏肉を扱うラインの自動化にとどまらず、それ以上のことを実現しようとしています。多くの業種、特に怪我のリスクや健康リスクの高い業種では従業員確保に課題を抱えていますが、そうした課題がカバーされるようになります。
「生の鶏肉の処理はロボットに適した仕事です」とウェザーマックス氏は言います。
こちらから Isaac Sim をダウンロードし、Replicator の機能をお試しください。