Teaching Industry 4.0: An Open-Source Framework for Cooperative Robotics in the Learning Factory

Le moderne fabbriche stanno cambiando. Stanno diventando luoghi dove le macchine si parlano, prendono decisioni autonome e si spostano senza conducenti umani. Questo cambiamento, spesso chiamato quarta rivoluzione industriale, si basa su tre idee principali che lavorano insieme. In primo luogo, esistono i "sistemi cyber-fisici", che significano semplicemente macchine fisiche come i robot che sono collegate a cervelli digitali. In secondo luogo, l' "Internet delle Cose" permette a queste macchine di inviare dati sul proprio stato e sull'ambiente circostante tramite internet. Terzo, l'intelligenza artificiale aiuta le macchine a vedere e comprendere ciò che stanno guardando. Per gli ingegneri del futuro, imparare come costruire e gestire queste macchine che parlano e pensano non è più opzionale; è essenziale. Tuttavia, insegnare queste competenze complesse in un'aula è difficile. I veri robot da fabbrica sono costosi, e il software che li fa funzionare è spesso troppo complicato perché gli studenti possano sperimentarci. Le scuole hanno bisogno di un modo per mostrare agli studenti come questi diversi componenti si incastrino tra loro senza svuotare il portafoglio.

Un team di ricercatori presso l'Istituto Tecnologico Superiore di Monterrey, in Messico, ha costruito una soluzione a questo problema. Hanno creato un modello funzionante di una cella di fabbrica intelligente che gli studenti possono costruire, rompere e riparare. Questo progetto non è solo una simulazione su uno schermo del computer; è una configurazione fisica dove veri robot muovono oggetti reali. L'obiettivo era dimostrare che un sistema a basso costo e open-source potesse gestire un compito complesso: raccogliere oggetti, identificarne il colore e smistarli in diversi contenitori, mantenendo al contempo un registro digitale di ogni movimento. I ricercatori volevano vedere se un progetto del genere, basato sulla pratica, potesse effettivamente insegnare agli studenti come integrare la robotica, la connettività internet e l'intelligenza artificiale.

Il sistema che hanno costruito si basa su due robot principali che lavorano in squadra. Uno è un robot mobile, un Omron LD-60 Autonomous Intelligent Vehicle (AIV) che guida autonomamente sul pavimento. L'altro è un robot collaborativo stazionario Omron TM5-900 che siede su un tavolo. Per farli lavorare insieme, i ricercatori li hanno collegati attraverso una rete che funge da sistema nervoso, permettendo ai robot di scambiarsi messaggi istantaneamente. Quando il robot mobile arriva al tavolo, si ferma e attende. Il braccio robotico si protende per afferrare un blocco. Prima che il braccio muova il blocco, una telecamera scatta una foto. È qui che entra in gioco l'intelligenza artificiale. Invece di utilizzare una semplice regola pre-programmata per indovinare il colore, il sistema invia l'immagine a un potente servizio di IA basato sul cloud. L'IA osserva l'immagine e comunica al sistema esattamente di che colore è il blocco.

Una volta noto il colore, il sistema prende una decisione. Se il blocco è verde, al robot mobile viene ordinato di guidare verso il waypoint verde. Se è blu, va verso il waypoint blu. Il braccio robotico afferra il blocco e lo posiziona sul robot mobile, che guida verso la posizione corretta per depositarlo. Durante l'intero processo, ogni singola azione viene registrata in un database nel cloud. Ciò significa che chiunque abbia accesso a internet può osservare una dashboard in tempo reale che mostra esattamente dove si trovano i robot, cosa stanno facendo e se si sono verificati errori. I ricercatori hanno progettato i componenti del robot, come la pinza che tiene i blocchi, utilizzando stampanti 3D, mantenendo molto basso il costo dell'hardware. Hanno reso disponibili gratuitamente tutto il codice informatico e i piani di progettazione, in modo che altre scuole possano copiare esattamente la configurazione.

Il team ha testato rigorosamente questo sistema. Hanno eseguito il processo di smistamento cento volte di seguito per vedere quanto spesso funzionasse senza fallire. I robot hanno completato il compito con successo il novantaquattro percento delle volte. Quando hanno esaminato specificamente quanto bene l'intelligenza artificiale identificasse i colori, è stata corretta il novantaquattro virgola due percento delle volte. Il sistema era anche veloce; il tempo impiegato dai robot per scambiarsi i messaggi è stato misurato in trentadue millisecondi, una frazione di secondo. I ricercatori hanno anche misurato quanto hanno imparato gli studenti. Prima del progetto, gli studenti hanno valutato la loro comprensione di queste tecnologie su una scala. Dopo aver costruito e gestito il sistema, la loro fiducia e conoscenza auto-riferite sono aumentate significamente.

Il progetto ha rivelato alcune limitazioni che sono importanti per l'apprendimento futuro. Sebbene il sistema funzionasse bene, i ricercatori hanno notato che fare affidamento su internet per la visione dell'IA crea un rischio. Se la connessione internet fallisce, i robot non possono "vedere" i blocchi. Hanno anche scoperto che il tempo necessario all'IA per elaborare un'immagine era di circa un punto otto secondi, il che è veloce per un'aula, ma potrebbe essere troppo lento per una fabbrica ad alta velocità. Questi problemi non sono stati visti come fallimenti, ma come lezioni preziose. Forniscono un esempio concreto per gli studenti su come discutere di come rendere i sistemi più affidabili, ad esempio aggiungendo sistemi di backup o elaborando i dati localmente sul robot invece che nel cloud.

Questo lavoro dimostra che è possibile costruire un sistema robotico cooperativo e sofisticato, abbastanza economico da poter essere utilizzato in un'aula universitaria. Combinando un veicolo a guida autonoma, un braccio robotico, l'intelligenza basata sul cloud e un sistema di tracciamento digitale, i ricercatori hanno creato uno strumento didattico completo. Il sistema ha raggiunto un'affidabilità di smistamento del novantotto percento e un'accuratezza della visione del novantaquattro virgola due percento, dimostrando che componenti a basso costo possono eseguire compiti industriali complessi. Più importante ancora, ha dimostrato che quando gli studenti costruiscono questi sistemi essi stessi, acquisiscono una comprensione molto più profonda di come funzionerà realmente il futuro della produzione. Il progetto offre un modello per insegnare alla prossima generazione di ingegneri come gestire le fabbriche intelligenti e connesse di domani.