CAD-prior-driven teaching-free robotic welding trajectory generation for complex structural components
यह शोध पत्र जटिल संरचनात्मक घटकों के लिए एक CAD-प्रायर-संचालित (CAD-prior-driven) विधि का प्रस्ताव करता है जो असेंबली विचलन की भरपाई करने और उच्च-सटीक वेल्डिंग प्रक्षेपवक्र (trajectories) उत्पन्न करने के लिए सक्रिय धारणा (active perception), समन्वय पृथक्करण (coordinate decoupling) और 2D प्रोफाइल-आधारित विशेषता निष्कर्षण को एकीकृत करता है, जिससे भौतिक परीक्षणों में 98.6% पॉइंट क्लाउड कवरेज दर और सब-मिलीमीटर सटीकता प्राप्त होती है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
भारी विनिर्माण (heavy manufacturing) की दुनिया में, जहाज के हल (ship hulls), पुल के ढांचे, या खनन उपकरणों जैसी विशाल संरचनाओं के निर्माण में अक्सर मोटी धातु की प्लेटों को आपस में जोड़ना शामिल होता है। दशकों से, यह सुनिश्चित करने का सबसे विश्वसनीय तरीका कि ये प्लेटें आपस में जुड़ी रहें, एक मानव वेल्डर को हाथ से टॉर्च चलाने के लिए निर्देशित करना था, या किसी रोबोट को उसके हाथ को एक पथ के माध्यम से भौतिक रूप से घुमाकर उसे ठीक से सिखाना था। यह "टीच-एंड-रिपीट" (सिखाओ और दोहराओ) विधि तब अच्छी तरह काम करती है जब हर हिस्सा बिल्कुल एक जैसा हो और पूरी तरह से फिट बैठता हो। हालांकि, वास्तविक दुनिया के धातु के हिस्से शायद ही कभी पूर्ण होते हैं। जब बड़ी प्लेटों को जोड़ा जाता है, तो उनमें सूक्ष्म अंतराल (gaps) आ जाते हैं, और गर्मी या दबाव के कारण धातु थोड़ी मुड़ भी सकती है। यदि कोई रोबोट केवल एक सटीक डिजिटल ड्राइंग के आधार पर पूर्व-निर्धारित पथ का आँख मूंदकर पालन कर रहा है, तो वह वास्तविक सीम (seam) को पूरी तरह से मिस कर सकता है, जिससे एक कमजोर जोड़ या एक बेकार हिस्सा बन सकता है। इस समस्या को हल करने के लिए, इंजीनियरों ने विजन सिस्टम (vision systems) की ओर रुख किया है, जिससे रोबोटों को वेल्ड करते समय देखने के लिए "आंखें" मिल सकें। फिर भी, केवल एक कैमरा होना ही पर्याप्त नहीं है; यदि कैमरा छाया, चमक (glare), या रोबोट के अपने शरीर द्वारा दृश्य को बाधित करने के कारण सीम को नहीं देख पाता है, तो सिस्टम विफल हो जाता है। चुनौती केवल रोबोट को देखने के लिए नहीं है, बल्कि उसे यह सिखाने में है कि वेल्डिंग शुरू करने से पहले एक जटिल, घुमावदार सीम की स्पष्ट और पूर्ण तस्वीर पाने के लिए उसे ठीक कहाँ खड़ा होना चाहिए और अपने कैमरे को किस कोण पर रखना चाहिए।
हुबेई यूनिवर्सिटी ऑफ आर्ट्स एंड साइंस के शोधकर्ताओं ने एक नया दृष्टिकोण विकसित किया है जो रोबट को बिना किसी मानवीय मार्गदर्शन के एक जटिल धातु संरचना को देखने और वेल्ड करने का सबसे अच्छा तरीका खोजने की अनुमति देता है। एक इंसान द्वारा रोबोट को रास्ता दिखाने या ऐसे कैमरे पर निर्भर रहने के बजाय जो बस अपने सामने जो कुछ भी है उसे स्कैन करता है, यह सिस्टम भाग के एक विस्तृत 3D डिजिटल मॉडल के साथ शुरू होता है, जिसे CAD मॉडल कहा जाता है। शोधकर्ताओं ने रोबोट को इस मॉडल को एक मानचित्र की तरह पढ़ने के लिए सिखाया, जिससे वह ठीक से पहचान सके कि धातु की प्लेटें कहाँ मिलती हैं और जहाँ सैद्धांतिक रूप से वेल्ड होना चाहिए। इस डिजिटल मानचित्र का उपयोग गाइड के रूप में करते हुए, रोबोट अपने स्वयं के मूवमेंट की योजना बनाता है। वह अपने कैमरे के लिए एक सुचारू पथ की गणना करता है, यह सुनिश्चित करता है कि लेंस सटीक दूरी और कोण पर रहे ताकि छाया और प्रतिबिंबों से बचा जा सके, और यह भी सुनिश्चित करता है कि रोबोट का हाथ भाग के कारण फंस न जाए या बाधित न हो। यह प्रक्रिया, जिसे टीम "एक्टिव परसेप्शन" (सक्रिय धारणा) कहती है, रोबोट को सीम की एक पूर्ण और स्पष्ट 3D तस्वीर एकत्र करने की अनुमति देती है, यहाँ तक कि उन तंग कोनों में भी जहाँ पारंपरिक तरीके अक्सर डेटा मिस कर देते हैं।
एक बार जब रोबोट ने यह स्पष्ट तस्वीर ले ली, तो उसे एक और समस्या का सामना करना पड़ता है: वास्तविक धातु का हिस्सा कभी भी डिजिटल मानचित्र के बिल्कुल समान नहीं होता। इसमें छोटे अंतराल और मोड़ होते हैं जिन्हें कंप्यूटर मॉडल नहीं जानता। इसे ठीक करने के लिए, टीम ने डेटा को एक चतुर तरीके से देखकर वेल्ड लाइन के वास्तविक केंद्र को खोजने का एक तरीका बनाया। डेटा को केवल एक अव्यवधित, तीन-आयामी पॉइंट क्लाउड (point cloud) के रूप में देखने के बजाय, सिस्टम डेटा को सपाट, दो-आयामी क्रॉस-सेक्शन में काट देता है। कल्पना कीजिए कि आप ब्रेड के एक लोफ (loaf) को देख रहे हैं; पूरे लोफ के माध्यम से एक वक्र (curve) को ट्रेस करने के बजाय, आप एक अकेले स्लाइस के सपाट चेहरे को देखते हैं। ऐसा करके, रोबोट आसानी से देख सकता है कि दो धातु की प्लेटें कहाँ मिलती हैं, जिससे वह उस शोर (noise) और त्रुटियों को फ़िल्टर कर देता है जो आमतौर पर कंप्यूटर विजन को भ्रमित करती हैं। इसके बाद यह वास्तविक, भौतिक वेल्ड स्थान का प्रतिनिधित्व करने वाली एक सुचारू, निरंतर रेखा बनाता है, जो वास्तविकता के अनुरूप मूल डिजिटल मानचित्र को संशोधित करता है।
इस संशोधित मानचित्र के साथ, रोबोट अपना अंतिम वेल्डिंग पथ तैयार करता है। वह वास्तविक वेल्ड की सुचारू रेखा को अपने जोड़ों के लिए निर्देशों के एक सेट में अनुवादित करता है, यह सुनिश्चित करता है कि वेल्डिंग टॉर्च चलते समय सीम के साथ पूरी तरह से संरेखित (aligned) रहे। शोधकर्ताओं ने इस प्रणाली का परीक्षण एक जटिल धातु संरचना पर किया जिसमें सीधी रेखाएं और घुमावदार, त्रि-आयामी वक्र दोनों शामिल थे। उन्होंने पाया कि उनकी विधि ने वेल्ड क्षेत्र का 98.6% हिस्सा कैप्चर किया, जो पारंपरिक निश्चित-कोण स्कैनिंग की तुलना में एक महत्वपूर्ण सुधार है, जो ब्लाइंड स्पॉट के कारण केवल 72% क्षेत्र ही देख पाया था। वेल्ड की लंबाई के माप अविश्वसनीय रूप से सटीक थे, जिसमें औसत त्रुटि केवल 0.19 मिलीमीटर थी। जब रोबोट ने वास्तव में वेल्डिंग की, तो उसने बिना रुके या त्रुटि किए, सीधे खंडों और कठिन घुमावदार इंटरसेक्शन दोनों के साथ निरंतर, मजबूत सीम सफलतापूर्वक बनाई।
यह अध्ययन प्रदर्शित करता है कि एक डिजिटल ब्लूप्रिंट को स्मार्ट, स्व-सुधारात्मक विजन के साथ जोड़कर, रोबोट बिना किसी इंसान द्वारा हर कदम सिखाए, औद्योगिक विनिर्माण की जटिल वास्तविकता को संभाल सकते हैं। सिस्टम ने साबित किया कि यह वास्तविक असेंबली की अपरिहार्य खामियों के अनुकूल हो सकता है, वास्तविक वेल्ड पथ को खोज सकता है और उच्च सटीकता के साथ उसे निष्पादित कर सकता है। यह दृष्टिकोण साधारण ऑटोमेशन से आगे बढ़कर, मशीनों को जटिल भौतिक वातावरण को स्वयं समझने और नेविगेट करने का एक तरीका प्रदान करता है, जिससे यह सुनिश्चित होता है कि हमारी दुनिया को थामे रखने वाली भारी संरचनाएं उस स्तर की सटीकता के साथ बनाई जाएं जो निरंतर मानवीय पर्यवेक्षण के बिना प्राप्त करना पहले कठिन था।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।