Op de hogeschool van Utrecht en de Fontys hogescholen doen twee promovendi van de Technische Universiteit Delft onderzoek naar assemblage systemen voor miniatuurcomponenten. De nadruk ligt op het assembleren van elektronica-componenten door Pick-and-Place (P&P) machines op Printed Circuit Boards (PCB's). Deze P&P machines hebben een output van enkele duizenden componenten per uur per plaatsingskop. De snelste P&P-machine in het veld (2001) is de FCM II van Assembleon met een output van 6000 componenten per uur per plaatsingskop. De plaatsings nauwkeurigheid bedraagt 100 um. Het Doel van het onderzoek is output verhoging, met minimaal een factor 2, met behoud van plaatsingsnauwkeurigheid.
Industrial robot manipulators are widely used for repetitive applications that require high precision, like pick-and-place. In many cases, the movements of industrial robot manipulators are hard-coded or manually defined, and need to be adjusted if the objects being manipulated change position. To increase flexibility, an industrial robot should be able to adjust its configuration in order to grasp objects in variable/unknown positions. This can be achieved by off-the-shelf vision-based solutions, but most require prior knowledge about each object tobe manipulated. To address this issue, this work presents a ROS-based deep reinforcement learning solution to robotic grasping for a Collaborative Robot (Cobot) using a depth camera. The solution uses deep Q-learning to process the color and depth images and generate a greedy policy used to define the robot action. The Q-values are estimated using Convolutional Neural Network (CNN) based on pre-trained models for feature extraction. Experiments were carried out in a simulated environment to compare the performance of four different pre-trained CNNmodels (RexNext, MobileNet, MNASNet and DenseNet). Results showthat the best performance in our application was reached by MobileNet,with an average of 84 % accuracy after training in simulated environment.
Deze publicatie geeft gerichte theoretische en praktische informatie ten behoeve van respectievelijk de gebruikers van de diverse machines en gereedschappen welke bij het omvormproces (dieptrekken, kraagtrekken, strekken, alsmede buigen en scheiden) worden gebruikt, geïnteresseerden in de betreffende processen, technische cursussen en opleidingen. De inhoud van deze publicatie behandelt de belangrijkste machines en gereedschappen, alsmede aanvullende informatie welke bij het vormgeven van dunne plaat van belang zijn. In de voorlichtingspublicaties VM 110 "Dieptrekken", VM 113 "Buigen" alsmede VM 114 "Scheiden" vindt u gegevens m.b.t. de diverse omvormprocessen en in VM 111 "Materialen" worden de hierbij gebruikte materialen behandeld. Deze voorlichtingspublicatie is een update van de in 2000 verschenen eerste druk, welke toentertijd is samengesteld door de werkgroep "Dieptrekken van dunne plaat, staal, aluminium". In het kader van een updateproject heeft het NIMR, inmiddels M2i (Materials innovation institute) geheten, geld ter beschikking gesteld om deze publicaties te vernieuwen en aan te passen aan de huidige stand der techniek.
