이 솔루션은 3D 비전, 딥러닝 알고리듬(Instance Segmentation)과
강화학습(Reinforcement Learning) 및 모션 플래닝( OMPL ) 알고리듬
활용하여 제품 분류 작업, 조립, 패킹 등 자동화를 위한 솔루션입니다.
3D 비전을 활용하여 실시간으로 제품 위치와 종류, 그리고 박스 위치 인식하여
작업을 수행하기 때문에 제품의 위치가 변경되거나 박스의 위치가 변경되더라도
자동으로 보정하여 작업이 가능하며 딥러닝 알고리듬과 강화학습으로
물체를 판별하기 때문에 비정형 물체에도 적용이 가능합니다.
비전/로봇이 틀어지거나 물체가 바뀌는 등 조건이 변경되더라도
학습을 통해 보정되기 때문에 운영 및 유지보수가 쉽고 Downtime을 최소화할 수 있습니다.
구성요소
| 로봇 | UR5e;
- 6축 다관절, 가반하중 5kg, 작업반경 850mm, 무게 20.6kg |
|---|---|
| 주변기기 | 로봇 베이스(제작품);
전기 그리퍼(OnRobot RG2);
3D 비전 카메라 (자체 알고리듬 탑재);
비전거치대 |
작업순서
| STEP 1. | 작업물 투입 |
|---|---|
| STEP 2. | 작업물 최적 피킹 플래닝 |
| STEP 3. | 작업물 피킹 및 정렬 |
| STEP 4. | 배출 박스에 정렬하여 적재 |
※ 마로솔 내의 모든 콘텐츠를 무단으로 복사 및 재창작할 경우 부정경쟁방지법 및 저작권법에 위반될 수 있음을 밝힙니다.
추천 도입사례
AI 3D 비전 빈피킹 사례: 기존 3D 비전이 못 잡던 화장품 용기 자동화
야스카와 산업로봇 + 스티로폼 자동 안착까지?! 한국앤컴퍼니 배터리 팔레타이징 자동화 사례🔋🤖
한국앤컴퍼니 팔레타이징 솔루션은 생산량 증가와 작업 인력 감소를 최우선으로 합니다. 기존 1대의 팔레타이저만으로 구성된 라인을 철거한 뒤, 2라인으로 분기 및 2대의 팔레타이저를 구성하여 생산 CAPA를 확보하였고, 기존 수작업으로 진행되던 스티로폼 / 합판 안착을 자동화하여 작업자의 개입 요소를 줄여 2개의 라인을 한명의 작업자가 관리합니다.
코그넥스 AI 머신비전 불량검사 도입사례｜머신비전 품질검사 자동화
이 솔루션은 3D 비전, 딥러닝 알고리듬(Instance Segmentation)과
강화학습(Reinforcement Learning) 및 모션 플래닝( OMPL ) 알고리듬
활용하여 제품 분류 작업, 조립, 패킹 등 자동화를 위한 솔루션입니다.
3D 비전을 활용하여 실시간으로 제품 위치와 종류, 그리고 박스 위치 인식하여
작업을 수행하기 때문에 제품의 위치가 변경되거나 박스의 위치가 변경되더라도
자동으로 보정하여 작업이 가능하며 딥러닝 알고리듬과 강화학습으로
물체를 판별하기 때문에 비정형 물체에도 적용이 가능합니다.
비전/로봇이 틀어지거나 물체가 바뀌는 등 조건이 변경되더라도
학습을 통해 보정되기 때문에 운영 및 유지보수가 쉽고 Downtime을 최소화할 수 있습니다.
구성요소
| 로봇 | UR5e;
- 6축 다관절, 가반하중 5kg, 작업반경 850mm, 무게 20.6kg |
|---|---|
| 주변기기 | 로봇 베이스(제작품);
전기 그리퍼(OnRobot RG2);
3D 비전 카메라 (자체 알고리듬 탑재);
비전거치대 |
작업순서
| STEP 1. | 작업물 투입 |
|---|---|
| STEP 2. | 작업물 최적 피킹 플래닝 |
| STEP 3. | 작업물 피킹 및 정렬 |
| STEP 4. | 배출 박스에 정렬하여 적재 |
※ 마로솔 내의 모든 콘텐츠를 무단으로 복사 및 재창작할 경우 부정경쟁방지법 및 저작권법에 위반될 수 있음을 밝힙니다.
추천 도입사례
AI 3D 비전 빈피킹 사례: 기존 3D 비전이 못 잡던 화장품 용기 자동화
야스카와 산업로봇 + 스티로폼 자동 안착까지?! 한국앤컴퍼니 배터리 팔레타이징 자동화 사례🔋🤖