Les chercheurs du MIT recherchent de nouvelles façons d’améliorer les systèmes automatisés et décrivent leurs découvertes dans la récente publication «Planification évolutive et probablement complète pour l’extrusion spatiale de robots». Après avoir exploré de nouvelles façons d’intégrer la technologie robotique dans la production, les auteurs ont créé un nouveau concept d’extrusion géographique robotique accompagné d’algorithmes de planification complets.

En se concentrant sur une alternative à la méthode traditionnelle de stratification d’impression 3D, les chercheurs ont tenté de surmonter les défis actuels de l’extrusion de robots tels que les contraintes géométriques de collision et cinématique ainsi que les contraintes de rigidité. Cette méthode n’a été utilisée que dans des mesures limitées, que les chercheurs attribuent à des contraintes de planification sous des bâtiments plus grands.

À gauche: petite bouteille (246 articles). À droite: canard (909 objets).

L’algorithme créé pour cette étude est basé sur une forme mathématique qui permet à l’équipe de recherche de relier des «contraintes géométriques et structurelles satisfaisantes», car la rigidité est initialement critique dans la construction avec des collisions limitant les actions à la fin. Les formules mathématiques sont destinées à planifier à la fois la rigidité et les contraintes géométriques, «effectuant globalement une recherche avide vers l’arrière en utilisant un raisonnement prospectif pour biaiser la recherche vers des structures rigides». Les chercheurs proposent également des heuristiques de priorisation pour la prise de décision en matière de rigidité et de géométrie.

Les chercheurs ont commencé des formulations sans robot présent et ont créé une structure cadre avec un graphe géométrique non dirigé hN, Ei intégré dans R 3:

Soit les coins N du graphe appelés nœuds et les arêtes du graphe appelées éléments E ⊆ N2 où m = | E |. Chaque nœud n ∈ N est le point de connexion d’un ou plusieurs éléments en position pn ∈ R 3. Chaque élément e = {n, n0} ∈ E occupe un volume à l’intérieur de R3 correspondant à un cylindre en rotation autour du segment de droite pn → pn0. Un sous-ensemble des nœuds G ⊆ N est rigidement attaché au sol et subit ainsi une force de réaction.

Chaque élément e = {n, n0} peut être extrudé à partir de n → n 0 ou de n 0 → n. Soit élément dirigé ~ e = hn, n0 i désigne l’élément d’extrusion e = {n, n0} à partir de n → n 0. Vi utilisera l’ensemble P ⊆ E pour désigner un ensemble d’éléments imprimés représentant une structure partiellement extrudée. Soit NP = G ∪ {n, n0 | {n, n0} ∈ P} ⊆ N est l’ensemble des nœuds enchaînés par les nœuds sol G et les éléments P. La planification de l’extrusion nécessite d’abord de trouver une séquence d’extrusion, une séquence d’éléments dirigés ψ ~ = [~e1, …, ~em]. Nous utilisons ψ pour désigner la version non contrôlée de ψ ~. Soit ψ ~ 1: i = [~e1, …, ~ei ] donne les premiers éléments i de ψ ~ où I ≤ m. »

Mouvements de transition, de rétraction et d’extrusion pour deux éléments.

La planification de l’extrusion doit être complétée par un robot manipulateur articulé qui adhère aux limites communes et évite les collisions avec lui-même, l’environnement et les objets imprimés.

Soit Q: P → Q une fonction qui mappe un ensemble d’éléments imprimés P ⊆ E à l’espace de configuration sans collision du robot Q (P) ⊆ Q. Lorsqu’aucun élément n’est imprimé, Q (∅) est un espace de configuration sans collision sur le robot , en ne considérant que les collisions environnementales, les auto-collisions et les frontières communes. Chaque élément imprimé supplémentaire réduit légèrement l’espace de configuration sans collision … »

Les auteurs ont travaillé sur 41 problèmes d’extrusion différents dans cette étude avec jusqu’à 909 éléments et combinaisons des algorithmes PROGRESSION, FORWARDCHECK et REGRESSION ainsi que quatre heuristiques: Random, EuclideanDist, GraphDist et StiffPlan. Quatre expériences ont été effectuées pour chaque algorithme avec un délai d’une heure.

PyBullet a assisté au contrôle des collisions, à la cinématique avant et à la reproduction. Les structures ont été prétraitées en utilisant une hiérarchie de volume limite (BVH) de la boîte limite à axe statique ajusté (AABB) avec chaque composé de robot, puis les solutions suivantes ont été utilisées:

  • PLANMOTION avec RRT-Connect
  • SAMPLEIK avec IKFast
  • PLAN en utilisant Randomized Gradient Descent (RGD)

De gauche à droite: 1) la sous-structure non attribuée dans le premier état où REGRESSION-Aléatoire des retours en arrière. 2) le premier état dans lequel la REGRESSIONEuclideanDist des retours en arrière. La déviation de l’élément est colorée du blanc au rose. Les cinq nœuds les plus déformés sont rouges et leurs déplacements de translation sont donnés en mètres 3) le premier état dans lequel REGRESSION-GrafDist retour en arrière 4) REGRESSION-StiffPlan trouve une solution sans retour en arrière.

Les algorithmes PROGRESSION et REGRESSION ont montré des performances améliorées, ce qui a montré que l’heuristique offrait une rigidité et un guidage géométrique. FORWARDCHECK a offert une meilleure précision de résolution de problèmes que PROGRESSION, «indiquant qu’il est capable d’éviter certaines impasses». En fin de compte, cependant, les chercheurs ont noté que REGRESSION était la meilleure performance par rapport aux autres et brillait à la fois en termes de taux de réussite et d’exécution. Les algorithmes les plus efficaces ont résolu 92% des problèmes avec une durée de fonctionnement moyenne d’env. 15 minutes.

L’exécution de chaque algorithme lors de l’utilisation de l’heuristique EuclideanDist. Les graduations de l’axe X indiquent la distribution des tailles de problème.

«Nous avons expérimenté deux problèmes d’extrusion qui ont été considérés par Choreo. Choreo résout les problèmes de ‘3D Voronoi’ et ‘Topopt beam (small)’ en 4025 et 3599 secondes, tandis que REGRESSION-EuclideanDist résout les problèmes en 742 et 2032 secondes. Notre planificateur surpasse Choreo malgré le fait que Choreo ait eu accès à des informations supplémentaires spécifiées par l’homme (Section II). Nous avons validé notre approche de trois vrais problèmes d’extrusion. La plus grande des trois est la bouteille Klein, qui a pris environ 10 minutes à planifier et 6 heures à imprimer.

«Les travaux futurs impliquent d’élargir notre approche aux tâches de construction ordinaires», ont conclu les chercheurs.

Les systèmes automatisés et les robots continuent de jouer un rôle majeur dans le monde de l’impression 3D, des expériences avec des micro-robots aux projets en cours de la NASA en passant par les études visant à améliorer l’évolutivité. Que pensez-vous de cette nouvelle? Dites-nous ce que vous pensez! Rejoignez la discussion sur ce sujet et sur d’autres sujets d’impression 3D sur 3DPrintBoard.com.

Gauche: Le premier mode dans lequel PROGRESSION-EuclideanDist effectue un retour arrière (les éléments noirs sont imprimés). À droite: REGRESSION-EuclideanDist trouve une solution sans retour en arrière.

À gauche: le premier mode dans lequel PROGRESSION-GraphDist revient en arrière (les éléments noirs ne sont pas imprimés). À droite: FORWARDCHECK détecte que l’impression de l’élément indiqué par la boule rose empêche l’extrusion de l’élément noir diagonal de manière sûre.

[Source / Images: ‘Scalable and Probabilistically Complete Planning for Robotic Spatial Extrusion’]



Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *