Vision-guided robotic system for automated stitch removal in end-of-life footwear disassembly
本文提出了一种视觉引导的机器人系统，该系统集成了六自由度协作机器人、基于 YOLO 的机器视觉以及力控铣削技术，能够自动识别并去除报废鞋类中的缝线，实现亚毫米级的定位精度，以促进高效的材料回收与部件再利用。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，把一双鞋子比作一个美味的多层三明治。顶层的面包是华丽的皮革鞋面，底层的面包是橡胶鞋底，而将它们粘在一起的“胶水”则是粘合剂和围绕边缘的一圈长长的、蜿蜒的缝线。多年来，回收这些“三明治”意味着要将它们粉碎成浆状，从而破坏掉那些好的部分。但如果我们可以小心地切掉“边框”（缝线），而不挤压到“内馅”呢？这正是马尔凯理工大学（Marche Polytechnic University）的研究团队尝试通过一个表现得像一位非常精准、非常有耐心的厨师般的机器人来实现的目标。
机器人厨师及其“眼睛”
主角是一个拥有六个手臂的机器人（一种协作机器人，或称“cobot”），它并不只是盲目地遵循剧本。把它想象成一个试图沿着画在摇晃纸张上的线条进行描绘的机器人。如果机器人仅仅按照预先绘制的地图（CAD模型）进行操作，它会错过缝线，因为真实的、使用过的鞋子并不完美；它们是变形、拉伸且磨损的。
为了解决这个问题，机器人的切割工具旁边安装了一个摄像头，就像一双向下注视着作业区的眼睛。在开始切割之前，机器人会进行一个“测量周期”，即在路径的每一步都会停顿，拍下一张照片，并询问一个聪明的计算机大脑（一个名为 YOLOv10 的 AI 模型）：“嘿，缝线实际上是在这里，而不是在你地图上标示的位置！”这个 AI 能够像老鹰捕捉田间的老鼠一样发现缝线，即使光线有些奇怪或者鞋子有些褶皱也没关系。一旦 AI 给出了新的坐标，机器人就会调整路径并做好切割准备。
切割之舞
一旦机器人知道了缝线的位置，它就会进入“移除周期”。在这里，它使用一个旋转铣刀（一个微小的、高速旋转的钻头）来切断线头。但它不能只是用力推；如果推得太重，它可能会切破皮革鞋面，毁掉我们想要保留的部分。如果推得太轻，它又切不断线。
机器人使用一种“力控制”系统，这就像拿着牙刷刷牙一样。你不会把它猛烈地撞向墙壁；你会感觉到阻力并调整压力。机器人也做到了同样的事情，它以特定的力量（经过 5、10 和 15 牛顿的测试）轻轻向下按压，以确保既能切断缝线，又能不伤及皮革。
实际发生了什么？
研究人员在真实的鞋子上测试了这个系统，具体是一只带有白色橡胶底和黑色皮革鞋面的右脚鞋。他们让机器人运行了四个完整的周期，以观察效果如何。
结果令人振奋，但并不完美。在鞋子的直边部分，机器人的精度极高，平均偏离缝线不到半毫米。这就像杂技演员完美地保持在平衡木中心一样。然而，机器人在处理棘手的曲线处——特别是后跟部位时，最初遇到了困难。在后跟区域，机器人最初切得太深，划伤了皮革鞋面。在脚趾区域，工具曾过度向鞋底偏移，但在团队调整了摄像头位置，使切割工具位于图像中心后，脚趾部分的误差变得微乎不及，工具始终与缝线保持完美接触。
团队发现，问题不在于机器人的“大脑”，而在于它的“眼睛”。摄像头的摆放位置使得在那些弯曲的角落里很难清晰地看到缝线。在他们将摄像头移动到切割工具位于图像正中央的位置后，误差显著下降，脚趾部分的表现也非常出色。
结论
这项研究证明了这种“机器人厨师”方法是可行的。机器人成功地移除了缝线而没有损坏鞋子，平均定位误差保持在 1 毫米以下。然而，论文明确指出，后跟区域仍然存在一些问题，在某些测试中，误差峰值超过了 1.5 毫米，这超出了 3 毫米厚切割工具的安全范围。
作者谨慎地表示，这目前还不是一个“已解决”的工业问题。他们指出，AI 模型是在一个相对较小的数据集（300 张图像）上训练的，这可能是它在复杂的曲线处偶尔产生困惑的原因。他们还提到，虽然该机器人是“协作式”的（意味着它被设计为可以在人类附近工作），但由于使用了旋转切割器，我们仍然需要安全措施，例如使用激光传感器在人类靠近时减慢机器人速度，而不是使用全封闭的围栏。
简而言之，这篇论文表明，结合机器人、摄像头和智能 AI 可以成功解开旧鞋子的“结”，为未来我们可以重复利用运动鞋中精美的皮革部分而非将其丢弃铺平了道路。但就目前而言，机器人在处理后跟的复杂曲线时仍需要一点帮助。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。