La Asamblea de materiales deformables, como el de prendas de vestir, puede automatizarse de maneras distintas de duplicar la costura manual. Fuente: Createme
Durante más de 200 años, la máquina de coser ha definido cómo se hace la ropa. Mecanizaba la mano del artesano, pero también anclaba la industria alrededor de una sola idea: hilo tirado a través de la tela. A pesar de los avances en robótica y automatización, la mayoría de las prendas siguen dependiendo de esa misma lógica, con el trabajo humano proporcionando la destreza, alineación y manejo de excepción para materiales deformables que las máquinas luchan por replicar.
La limitación no es una falta de esfuerzo. Es que la mayoría de los enfoques están tratando de automatizar un proceso que nunca fue diseñado para máquinas.
La automatización tradicional destaca en tareas rígidas y predecibles como soldadura, montaje y otras tareas de manejo de materiales estables. La tela se comporta de manera diferente. Se extiende, arrugas, colapsos y cambios de estado a lo largo de una tarea. Cuando los materiales se deforman, los robots luchan no porque no pueden moverse precisamente, sino porque no pueden estimar fiablemente el estado material o ajustarse a las condiciones cambiantes.
Esa brecha apunta a un desafío más amplio en la fabricación: sistemas de construcción que pueden percibir, razonar sobre el contacto y adaptarse en tiempo real en lugar de simplemente replaying pre-scripted motions. Esa es la promesa de la IA física.
Demos deformables a la producción
El progreso es real. Los avances en la visión, simulación, percepción e inteligencia robótica están moviendo la manipulación dexterous de demostraciones de laboratorio hacia el despliegue. Pero el bar para la comercialización no es si un robot puede completar una tarea una vez. Es si puede funcionar continuamente, a través de la variación, con rendimiento aceptable, rendimiento y recuperación.
Estos enfoques se están poniendo a prueba en entornos de producción, donde el rendimiento se mide en tiempo de trabajo, tiempo de ciclo y el esfuerzo de ingeniería necesario para mantener los sistemas en funcionamiento. Materiales deformables exponen la brecha entre una buena demo y un sistema implementable muy rápidamente.
¿Por qué el ropa es un testbed exigente
El vestidor es uno de los testículos comerciales más duros para la IA física. Pocas categorías de fabricación combinan esta gran variabilidad física, tipo fábrico, drape, stretch, silueta, apilamiento y construcción, con este nivel de escala global y presión de costes.
Si un sistema puede percibir, predecir y controlar de forma fiable el paño, desarrolla una base transferible para manejar materiales flexibles de manera más amplia. El manejo de la tela no es un problema de nicho. Es una prueba práctica de manipulación materialmente consciente.
La dificultad es que muchos esfuerzos comienzan tratando de automatizar la costura misma, conservando las partes más difíciles del problema en lugar de eliminarlos.
Rediseñar el proceso, no sólo automatizarlo
Un enfoque más escalable es rediseñar la fabricación alrededor de lo que los robots pueden controlar.
En lugar de reproducir flujos de trabajo de agujas y hilos, las prendas pueden ser tratadas como formas que deben ser formadas y sujetadas en lugar de perforadas y cosidas. Esto cambia la estructura del problema.
En la práctica, el desafío es menos “enseñar al robot para manejar la tela” y más “hacer que la tela se comporta de una manera que un robot puede aprender de. ”
Los materiales deformables son inherentemente inestables. La manipulación basada en el aprendizaje sólo se vuelve fiable cuando el sistema introduce la geometría de referencia restrictiva y coherente.
Solo…
El acceso lateral reduce la complejidad de la oclusión y la coordinación. Moldes y accesorios tridimensionales estabilizan la geometría y mejoran la observabilidad. Las empuñaduras construidas con púrpura proporcionan un control más fino sobre materiales blandos y porosos. El montaje enrollado elimina varias restricciones impuestas por agujas e hilos.
Juntos, estas opciones crean un entorno más controlado en el que la percepción, la planificación y el aprendizaje pueden generalizarse. Este es el punto central: para montaje deformable, diseño de procesos e inteligencia son inseparables.
Estos sistemas funcionan no porque la IA esté cubierta por los flujos de trabajo existentes, sino porque la robótica, los métodos de unión y el control basado en el aprendizaje están diseñados como un sistema único e integrado.
La bonificación también introduce un tipo diferente de flexibilidad. Los patrones adhesivos pueden codificar el estiramiento, la durabilidad y el rendimiento directamente en la articulación. En efecto, la articulación se convierte en programable, no sólo mecánico. Con retroalimentación cerrada, colocación y curado puede ajustarse al material delante del sistema en lugar de una base idealizada. Cada operación se convierte en un paso de fabricación y una fuente de datos.
Nota del editor:La AI física estará entre los temas discutidos en la Cumbre Robotics & Expo este mes en Boston. Regístrate ahora para asistir.
Al aprender compuestos en producción
En este modelo, la capacidad viene menos de movimiento codificado duro y más de comportamiento aprendido. Habilidades como alineación, aplanamiento y colocación pueden transferirse a través de productos y materiales. Con el tiempo, el rendimiento mejora a través de datos en lugar de retoque repetido.
Esto no elimina la necesidad de hardware o disciplina de proceso. Pero cambia cómo se adaptan los sistemas. En lugar de reconstruir los flujos de trabajo para cada variación, los sistemas pueden generalizarse dentro de limitaciones definidas.
Ese cambio tiene implicaciones para la arquitectura de fabricación. Cuando la mejora es impulsada por software, la producción puede ser más receptiva a la demanda, con tiempos de ventaja más cortos y menor dependencia en grandes carreras de producción fija.
El manejo robótico de deformables se extiende más allá del tacón
El vestido es un terreno de prueba útil, pero las implicaciones se extienden mucho más allá de la ropa. Los mismos desafíos aparecen en interiores automotrices, textiles médicos, muebles y compuestos aeroespaciales, donde los materiales variables, geometrías complejas y tolerancias estrechas son comunes.
El montaje deformable no es una aplicación de nicho. Es una capacidad fundamental para industrias que trabajan con productos blandos, textiles técnicos, laminados y otros materiales variables.
De demostración a realidad de producción
El campo se está evaluando en términos de producción: tiempo de actividad, rendimiento, tiempo de ciclo y el esfuerzo necesario para mantener los sistemas en funcionamiento. Esa transición es necesaria. Es lo que convierte la IA Física de un enfoque experimental en práctico.
La siguiente fase de automatización se definirá no sólo por máquinas más rápidas sino por sistemas que pueden estimar el estado del material, adaptarse a la variación y mejorar con el uso.
La próxima ola de fabricación no será ganada por automatizar procesos heredados, sino por rediseñarlos para la inteligencia.
Sobre el autor
Cam Myers, fundador y CEO de CreateMe.
Cam Myers es fundador, CEO y miembro de la junta directiva de CreateMe, que está construyendo la infraestructura para la fabricación automatizada de materiales blandos, empezando por la aplicación
Arel. La empresa reemplaza la costura tradicional con la construcción de unión digital impulsada por robótica, adhesivos patentados y sistemas de fabricación impulsados por AI, basados en la creencia de que el “futuro de la moda está unido. ”
Myers tiene 25 patentes en tecnologías de automatización de prendas desarrolladas en CreateMe.
Antes de fundar la empresa, estaba en el equipo ejecutivo fundador de Group Commerce, una plataforma de comercio electrónico respaldada por empresas adquirida en última instancia por Blackhawk Network. Myers anteriormente tenía roles en DoubleClick y Allen & Co.
El puesto Por qué los materiales deformables son la prueba de fabricación real de AI física apareció primero en The Robot Report.
Fuente: The Robot Report
Líderes en información sobre robótica latinoamérica.
Somos tu guía de robótica referente en la región.
