ARChemist: Autonomous Robotic Chemistry System Architecture

Auteurs: Hatem Fakhruldeen, Gabriella Pizzuto, Jakub Glowacki, Andrew Ian Cooper · ICRA 2022

Licences

• Accès libre
• Article: CC BY 4.0

Tout ce qui suit s'appuie sur l'article complet sous sa licence CC BY 4.0 ; sa figure est montrée en citant les auteurs.

En bref

ARChemist relie un manipulateur mobile KUKA KMR, un bras Franka Panda et des instruments de laboratoire standard via ROS et des recettes YAML ; le criblage de solubilité a réussi lors de 9 essais sur 10, la cristallisation dans 80 % de 5.

Pourquoi c'est important

Le système fait fonctionner des robots commerciaux hétérogènes dans un même flux de travail de chimie, un manipulateur mobile pour le transport et un bras fixe pour la manipulation des flacons, avec des instruments du commerce plutôt que du matériel sur mesure. L'utilisation de ROS comme intergiciel permet d'ajouter de nouveaux robots et instruments sans modifier la logique de traitement centrale.

Problème

La plupart des systèmes robotiques des laboratoires de chimie sont programmés pour une seule expérience, souvent sur des architectures propriétaires ou du matériel sur mesure comme le ChemPU, et les systèmes antérieurs n'intègrent pas de robots mobiles pour apporter les échantillons à des stations hors de portée d'un robot fixe. Les chimistes, qui ne sont généralement pas des experts en robotique, ont besoin d'un système facile à programmer, qui simplifie l'analyse des données et se généralise d'une expérience à l'autre.

Solution proposée

ARChemist est une architecture Python comprenant un State Manager (matériaux, robots, stations, échantillons et leurs historiques), un Persistence Manager (stockage en base de données et analyse des fichiers de configuration et de recettes) et un Workflow Manager (processeur de flux de travail, ordonnanceur de robots, gestionnaires parallèles de stations et de robots, moniteur système et gestionnaire d'alertes à base de règles). ROS est la couche de communication avec les robots et les instruments, avec des pilotes sur mesure écrits pour l'équipement de laboratoire. Chaque échantillon porte une recette chimique YAML lisible par un humain qui énumère les matériaux, les opérations des stations et un flux de travail sous forme de machine à états, et une nouvelle station ou un nouveau robot s'ajoute en fournissant son fichier de classe et son gestionnaire, que le système découvre au démarrage.

Idées clés

• Séparer l'état centré sur le procédé (matériaux, stations, robots et leurs opérations) de l'état centré sur l'échantillon (recette, historique des opérations, emplacement, statut) permet à une même installation d'exécuter différentes recettes, à condition que leurs stations et opérations figurent dans le fichier de configuration.
• Le couplage faible obtenu grâce au typage dynamique et à l'introspection de types de Python signifie qu'ajouter une station ou un robot ne nécessite que son fichier de classe et son gestionnaire, sans modification des autres modules.
• Le manipulateur mobile transporte les échantillons entre des stations situées dans différentes parties du laboratoire, et les auteurs notent qu'il pourrait travailler en parallèle avec le bras fixe sur d'autres stations.
• Les exécutions robotisées sont plus lentes qu'un chimiste humain, mais les auteurs visent à libérer les chimistes des tâches répétitives et à mener des expériences sur de longues périodes sans interruption.

Principaux résultats

• Criblage de solubilité : 10 exécutions, 90 % de réussite, durée moyenne d'exécution de 12 minutes ; l'unique échec était une expiration du délai du Quantos pendant la tare, due à des vibrations externes.
• Cristallisation : 5 exécutions, 80 % de réussite, durée moyenne d'exécution de 130 minutes (2 heures 10 minutes) ; l'échec venait du Panda qui a mal placé le flacon en le déplaçant vers la balance.
• Flux de travail de solubilité : 15 mg de sel dosés par le Quantos, 2 mL d'eau par la pompe péristaltique, agitation pendant 1 seconde à 200 rpm, et images RGB d'une Intel RealSense D435i utilisées pour calculer la turbidité et détecter la dissolution.
• Flux de travail de cristallisation : 200 mg de chlorure de sodium et 2 mL d'eau, chauffés à 60 °C avec un suivi continu de la masse jusqu'à ce que la masse se stabilise.

Limites

• La Workflow User Interface est actuellement une interface en ligne de commande ; les auteurs prévoient une interface graphique.
• Seuls deux robots et un petit ensemble d'instruments (doseurs de solides et de liquides, balance, plaque chauffante et agitateur) ont été intégrés, et chaque instrument a nécessité un pilote ROS sur mesure.
• Pour des raisons de sécurité, le système de bout en bout a été testé sur une paillasse ouverte avec de l'eau comme seul solvant.
• L'évaluation est réduite, 10 exécutions de solubilité et 5 de cristallisation, avec un échec dans chaque cas.
• La prise de décision par apprentissage automatique n'est pas encore intégrée ; les auteurs prévoient de l'ajouter.

Impact sur le domaine

L'article a été finaliste du ICRA 2022 Outstanding Automation Paper award et compte 53 citations. Il renvoie à une vidéo des deux études de cas (https://youtu.be/mcEYyOBjKpU) ; l'article ne donne pas de dépôt de code.

Résumé

Les expériences de laboratoire automatisées ont le potentiel de stimuler de nouvelles découvertes, tout en augmentant la reproductibilité et en améliorant la sécurité des scientifiques lors de la manipulation de matières dangereuses. Cependant, de nombreux flux de travail de laboratoire automatisés n'ont pas pleinement tiré parti des progrès remarquables de la robotique et des équipements de laboratoire numériques. En conséquence, la plupart des systèmes robotiques utilisés dans les laboratoires sont programmés spécifiquement pour une seule expérience, et reposent souvent sur des architectures propriétaires ou utilisent du matériel non conventionnel. Dans ce travail, nous nous attaquons à ce problème en proposant une nouvelle architecture de système robotique conçue spécifiquement avec et pour des chimistes, qui permet au scientifique de reconfigurer facilement son installation pour de nouvelles expériences. Plus précisément, la force du système réside dans sa capacité à combiner des plateformes robotiques hétérogènes avec des équipements de laboratoire standard pour créer différentes configurations expérimentales. Enfin, nous montrons comment l'architecture peut être utilisée pour des expériences de laboratoire précises au travers d'études de cas telles que le criblage de solubilité et la cristallisation.

Liens

• arXiv 2204.13571: https://arxiv.org/abs/2204.13571
• DOI 10.1109/ICRA46639.2022.9811996: https://doi.org/10.1109/ICRA46639.2022.9811996
• PDF: https://arxiv.org/pdf/2204.13571v1