Open Source Robotics

Una colección curada de proyectos, herramientas y software de robótica de código abierto de alta calidad.

Pick-and-Place

  • También llamado: pick and place, pick-place
  • Categoría: Planning & manipulation › Manipulation
  • Etiquetas: manipulation, grasping, industrial-automation, benchmark-task, robot-learning

La tarea de manipulación que consiste en agarrar un objeto en un lugar y soltarlo en una pose objetivo especificada; la operación básica de la automatización industrial y un benchmark estándar del aprendizaje robótico.

Definición

El pick-and-place es la tarea de llevar un objeto de donde está a donde debe estar: el robot se acerca al objeto, lo agarra, lo levanta y lo transporta, y lo suelta en una posición y orientación objetivo. Es el trabajo más habitual que se asigna a los robots industriales, desde los robots SCARA y delta que mueven piezas en líneas de transporte hasta las máquinas dedicadas que colocan componentes electrónicos en placas de circuito, y es también la familia de tareas más común en los conjuntos de datos y benchmarks de aprendizaje robótico.

Un sistema completo de pick-and-place encadena varios problemas. La percepción localiza el objeto y, cuando hace falta, estima su pose. La planificación de agarre elige dónde y cómo sujetarlo, ya sea con un agarre antipodal de pinza de mordazas paralelas, con una ventosa o con una mano de varios dedos. La planificación de movimiento produce movimientos de aproximación, elevación, transporte y retirada libres de colisiones, normalmente con tramos en línea recta cerca del objeto. La colocación debe encontrar una pose en la que el objeto sea estable, no colisione con su entorno y cumpla la tarea, por ejemplo en posición vertical, insertado en un utillaje o apilado. En las fábricas estructuradas, los utillajes y la geometría conocida de las piezas eliminan la mayor parte de la incertidumbre, de modo que la tarea se reduce a posiciones enseñadas ejecutadas a gran velocidad. En entornos no estructurados, como el picking de contenedores en almacenes o el ordenado doméstico, las partes difíciles son el desorden, los objetos desconocidos, los artículos transparentes o deformables y la oclusión.

En la investigación en aprendizaje, los episodios de pick-and-place se especifican a menudo con lenguaje, como colocar un objeto en un recipiente nombrado, y se usan para probar la generalización a objetos, escenas e instrucciones nuevos. Un agarre que tiene éxito no es lo mismo que una tarea que tiene éxito: el objeto debe sujetarse de una forma que permita la colocación, y por eso la elección del agarre suele condicionarse a la pose de colocación.

Por qué importa

La mayor parte de la manipulación práctica se reduce a coger cosas y dejarlas en algún sitio. Entender la cadena completa de percepción, agarre, planificación de movimiento y colocación, y dónde falla cada una, es conocimiento de trabajo básico para cualquiera que construya o evalúe un sistema de manipulación.

Aplicaciones clave

  • Alimentación de máquinas y transferencia de piezas en líneas de producción
  • Ensamblaje electrónico con colocación de componentes de montaje superficial
  • Preparación de pedidos y picking de contenedores en almacenes
  • Embalaje y paletizado
  • Benchmarks de manipulación condicionada por lenguaje para modelos de visión-lenguaje-acción
  • Ordenado doméstico y búsqueda y entrega de objetos como asistencia

En la práctica

Una célula logística usa un brazo de seis ejes con una pinza de succión sobre una caja de artículos variados. Una cámara de profundidad toma imágenes de la caja, un modelo propone puntos de succión en superficies planas y expuestas, y cada candidato se puntúa según la calidad del sellado y el riesgo de colisión con las paredes de la caja. El brazo se acerca a lo largo de la normal de la superficie, comprueba la presión de vacío para confirmar el sellado, sube en vertical para despejar los artículos vecinos y se mueve hasta una caja de envío. La pose de colocación se calcula a partir del espacio libre de la caja para que el artículo caiga solo una distancia corta. Los picks fallidos, detectados por la pérdida de vacío, se registran junto con la imagen de profundidad para que el modelo de agarre pueda reentrenarse con sus errores.

Ideas erróneas comunes

  • El pick-and-place es un problema resuelto — es rutinario con piezas conocidas y sujetas en utillajes, pero el desorden y los objetos desconocidos, transparentes y deformables lo mantienen como un área de investigación activa
  • Colocar es la mitad fácil — la colocación necesita una pose estable, libre de colisiones y que cumpla la tarea, y algunos agarres hacen imposible la colocación requerida
  • Un agarre con éxito significa una tarea con éxito — los objetos pueden deslizarse, girar en la pinza o quedar sujetos de una forma que impide la colocación prevista
  • Altas tasas de éxito en un benchmark significan que está listo para el mundo real — las escenas y los conjuntos de objetos de los benchmarks son limitados, así que los resultados a menudo no se transfieren a objetos o iluminaciones nuevos

Quién debería saberlo

  • Integradores de automatización industrial y de células robotizadas
  • Ingenieros de manipulación y de planificación de agarre
  • Investigadores en aprendizaje robótico que evalúan políticas
  • Makers que construyen sus primeros proyectos de brazo

Tecnologías relacionadas

  • Pinzas de vacío y de succión
  • Pinzas de mordazas paralelas
  • MoveIt
  • Robots delta y SCARA
  • Estimación de pose de objetos

Términos relacionados

  • Grasp Planning
  • Antipodal Grasp
  • 6-DoF Grasp Pose
  • Task-Oriented Grasping
  • Task and Motion Planning
  • VLA

Proyectos relacionados

  • LeRobot: HuggingFace ML library for real-world robotics in PyTorch
  • OpenPI: Physical Intelligence VLA foundation models for general robot control
  • Isaac Lab: NVIDIA robot learning framework: one task API across Newton, PhysX and Isaac Sim
  • NVIDIA Isaac GR00T: NVIDIA open foundation model for humanoid robot reasoning and skills
  • OpenVLA: 7B-parameter Vision-Language-Action model for robotic manipulation
  • Drake: MIT robotics toolbox for model-based dynamics, optimization, and control system design

Este sitio web requiere JavaScript. Por favor, habilite JavaScript para explorar nuestros proyectos de robótica.