Automating Box Folding: Sequence Extraction and Ranking Methodologies

Resumen Técnico: Automatización del Plegado de Cajas: Metodologías de Extracción de Secuencias y Clasificación

Planteamiento del Problema
El artículo aborda el desafío de automatizar el proceso de plegado de cajas dentro de los sistemas de embalaje industrial. Si bien existe una investigación significativa sobre la optimización del llenado de espacios y la estabilidad del paquete, la tarea específica de determinar cómo plegar un cartón permanece poco explorada. La literatura existente típicamente se bifurca en dos extremos: enfoques teóricos que derivan todas las secuencias de plegado posibles sin considerar las restricciones del hardware, y soluciones específicas para el hardware adaptadas a tipos particulares de cartón que carecen de flexibilidad. Este trabajo busca cerrar esta brecha proporcionando un marco sistemático que identifique secuencias de plegado factibles para cualquier diseño de cartón y, simultáneamente, evalúe su implementabilidad en hardware robótico específico.

Metodología
El enfoque propuesto es una metodología de tres fases diseñada para transicionar un cartón plano desde un estado inicial ($S_0$) hasta una configuración final ($S_f$):

1. Modelado de la Caja y Generación de la Matriz de Conectividad:
   El cartón se modela como un mecanismo cinemático donde los paneles actan como eslabones rígidos y los pliegues actúan como juntas de revolución. El sistema utiliza una matriz de conectividad ($C$) para codificar la adyacencia y las dependencias jerárquicas (relaciones padre-hijo) entre los paneles. El estado del cartón se define por el vector de ángulos de las juntas ($\theta$) y la matriz de conectividad, representada dinámicamente como un grafo conectado ($G_t$). Se incorporan propiedades físicas, incluyendo las dimensiones de los paneles y sus centros geométricos, para permitir cálculos espaciales precisos.

2. Identificación de la Secuencia de Plegado:
   El proceso de plegado se trata como una secuencia de acciones discretas donde, en cada paso, solo una junta se rota desde su ángulo inicial a su ángulo final. El sistema emplea una representación de árbol de decisión explorada mediante un algoritmo de retroceso (backtracking mediante búsqueda en profundidad). Una función de detección de colisiones ($CC$) valida cada rotación incremental. Solo se registra una secuencia si esta transiciona el cartón de $S_0$ a $S_f$ sin violar las restricciones geométricas ni causar colisiones. Esta fase genera un conjunto de todas las secuencias teóricamente factibles ($\sigma_1, \dots, \sigma_q$) de forma independiente al hardware específico.

3. Métricas de Evaluación para la Clasificación:
   Para cerrar la brecha entre la factibilidad teórica y la implementación práctica, los autores introducen funciones de costo específicas para clasificar las secuencias identificadas basándose en la compatibilidad con el hardware:

   • Criterio de Volumen de la Caja Envolvente ($C_{vol}$): Minimiza el volumen espacial acumulado ocupado por el cartón a lo largo del proceso de plegado para promover la compacidad.
   • Criterio de Dimensión Máxima de la Caja Envolvente ($C_{dim}$): Minimiza la dimensión única más grande de la caja envolvente en cualquier paso, asegurando la compatibilidad con las limitaciones del espacio de trabajo robótico.
   • Criterio de Número de Plegados Aéreos ($C_{aerial}$): Cuenta los pliegues realizados sin soporte de la mesa de trabajo ("Plegados Aéreos"). Minimizar esta métrica mejora la estabilidad y la repetibilidad, particularmente en configuraciones que carecen de retroalimentación de visión externa.

Contribuciones Clave

• Extracción de Secuencias Generalizada: El artículo propone un algoritmo que genera todas las secuencias de plegado factibles para cualquier diseño de cartón sin estar pre-adaptado a un hardware específico, yendo más allá de las limitaciones de los modelos basados en accesorios o puramente teóricos.
• Clasificación Consciente del Hardware: Una contribución novedosa es la introducción de métricas de evaluación que clasifican las secuencias basándose en las restricciones del hardware de automatización disponible (por ejemplo, alcance del robot, requisitos de estabilidad).
• Marco Sistemático: El trabajo proporciona un flujo de trabajo completo, desde el modelado cinemático hasta la selección de una ruta de plegado específica e implementable.

Resultos y Caso de Estudio
La metodología fue validada mediante un caso de estudio utilizando un robot colaborativo ABB GoFa CRB 15000 equipado con una herramienta personalizada que cuenta con ventosas y mecanismos de resorte. La configuración incluyó una mesa de trabajo con perfiles de aluminio y soportes en forma de L para estabilizar los paneles durante el plegado.

• Simulación: El sistema se implementó en Unity para gestionar la detección de colisiones 3D compleja y el modelado cinemático.
• Selección de Secuencia: El algoritmo generó más de 100 secuencias válidas. Utilizando las métricas propuestas, las secuencias se clasificaron principalmente minimizando los plegados aéreos y, secundariamente, minimizando las dimensiones máximas de la caja.
• Validación: Las secuencias mejor clasificadas se probaron contra las restricciones físicas del robot. Las primeras cinco secuencias se consideraron inviables porque sus puntos de inicio de plegado excedían el espacio de trabajo del robot. Sin embargo, la sexta secuencia satisfizo todas las restricciones y se ejecutó con éxito, transformando una caja plana en una estructura estable lista para la inserción de objetos.

Significancia y Reivindicaciones
Los autores afirman que este trabajo ofrece una solución flexible y eficiente que aborda un vacío específico en la literatura: la falta de un método que tanto identifique todos los caminos de plegado posibles como los evalúe frente a las restricciones del hardware del mundo real. Al generalizar el proceso para cualquier diseño de cartón e introducir métricas para priorizar la estabilidad y la compatibilidad del espacio de trabajo, la investigación proporciona un marco sistemático para la implementación industrial. El artículo concluye con modestia, señalando que, si bien el caso de estudio demuestra la factibilidad, se requiere una validación estadística adicional a través de múltiples tipos de cajas para demostrar de manera integral que el método identifica consistentemente soluciones factibles en menos intentos.