Kawasaki Robotics //treeforeurope.com/es/ Thu, 26 Jun 2025 06:44:04 +0000 es hourly 1 //www.altis-dxp.com/?v=6.8.4 //treeforeurope.com/tachyon/sites/31/2022/02/cropped-site-icon.png?fit=32%2C32 Kawasaki Robotics //treeforeurope.com/es/ 32 32 Kawasaki Robotics //treeforeurope.com/es/blog/human-ingenuity-kippei-matsudas-journey-from-nfl-ai-competition-winner-to-ai-solution-developer-at-kawasaki-robotics/ Fri, 28 Feb 2025 05:54:40 +0000 urn:uuid:36b88353-65ec-4fe6-92aa-0aa36d0aabc2

Kippei Matsuda: Departamento de Desarrollo de Tecnología Robótica, Centro de Desarrollo de Tecnología de Sistemas, División de Desarrollo Tecnológico. Dr. (Ingeniería)

Describa el reto de la NFL, la solución y qué lo hizo apasionante.

El objetivo de la competición era identificar las colisiones de los jugadores. Más de 1.000 científicos de datos de todo el mundo compitieron para crear una solución precisa utilizando imágenes de partidos de la NFL e información de sensores. El fútbol americano es conocido por ser uno de los deportes más duros y exigentes físicamente del mundo, con contactos de alto impacto, y aunque los jugadores llevan equipos de protección, las lesiones son frecuentes. Las colisiones en la cabeza, en particular, a menudo provocan lesiones graves o discapacidades, y ha sido un reto encontrar formas de reducir el impacto de las colisiones junto con un tratamiento eficaz después de que se produzca una lesión. Si pudiéramos identificar con precisión qué jugadores sufrieron impactos en la cabeza durante un partido, podríamos administrar un tratamiento eficaz y avanzar en la investigación sobre los efectos de los cascos y cómo mitigar el impacto. Hacer este tipo de investigación manualmente llevaría muchísimo tiempo, así que la NFL convocó este concurso para utilizar la tecnología de IA para resolver este problema.

La clave para ganar este concurso fue integrar con éxito dos tipos de datos distintos, el vídeo y la información de los sensores. Utilizamos imágenes de vídeo para identificar las colisiones de los jugadores y estimamos sus posiciones mediante sensores colocados en los jugadores. El desarrollo de un sistema de inteligencia artificial que analizaba y predecía meticulosamente incluso los cambios más pequeños en la posición y postura de los jugadores, como agacharse o caerse, nos diferenció de los demás. Esta innovación mejoró significativamente nuestra precisión en comparación con otros participantes. Como resultado, nuestra velocidad de procesamiento fue 83 veces más rápida que la operación manual, y tareas que llevaban 3-4 días ahora podían completarse en sólo 2 horas, lo que fue muy apreciado.

Kippei Matsuda
En general, el análisis de imágenes con IA consiste en detectar objetos en las imágenes, pero en esta competición tuvimos que considerar en la pantalla las posiciones tridimensionales (3D) de los jugadores en el campo, lo que supuso un reto apasionante que nunca antes habíamos hecho. Es difícil analizar datos porque tienes que mirarlos una y otra vez, pero el vídeo de la NFL era tan impactante que disfruté viéndolo una y otra vez. Gracias a ello, al final de la competición era capaz de imaginarme los movimientos de los jugadores con sólo mirar los títulos de los vídeos.

¿Qué le llevó a participar en el desafío de la NFL y cuáles fueron los resultados?

Todo empezó cuando pensé que podía formar parte de mis estudios. Los aspectos teóricos se pueden aprender en libros y otras fuentes, pero saber utilizar datos reales y ejecutar una simulación es difícil. Como desarrollador, tocar y analizar datos y repetir el método de ensayo y error es esencial. El concurso me atrajo porque proporcionaba materiales que conducían al aprendizaje práctico.

«Participar en el concurso me permitió poner en práctica el desarrollo de IA»

Kippei Matsuda
Sinceramente, nunca sentí que el concurso en sí fuera duro; lo difícil fue encontrar tiempo para mis estudios y mi familia, ya que trabajaba en ello durante mi tiempo personal. Cuando estaba jugando con mis hijos en el parque, de repente pensaba: «Quizá podría hacer esa parte de esta manera», y me molestaba. Me costaba relajarme. Estaba en el tren y temblaba. Desde el principio de este proyecto, no pensé que pudiera ganar, pero cuando lo hice, me emocioné. No me quejo de haber ganado y estaba feliz de compartir la noticia con todos los que me rodeaban. Aquel día apenas pude trabajar.

¿Cómo trabaja hoy con la visión de IA en Kawasaki Robotics?

Actualmente participo en el desarrollo de productos que utilizan la visión por IA específicamente para la robótica. La IA analiza las imágenes captadas por las cámaras y las procesa de varias formas; por ejemplo, en nuestra solución de despaletización, procesa imágenes del producto que hay que descargar. Las soluciones de despaletización se utilizan para mejorar la eficacia de la descarga en centros de distribución y fábricas. La solución de despaletización está equipada con visión 3D AI y es capaz de realizar análisis muy sofisticados de la carga que manipula.
La solución de despaletizado de Kawasaki Robotics está equipada con visión 3D AI y es capaz de realizar análisis altamente sofisticados de la carga que manipula. Al especializarnos en la descarga, hemos conseguido un alto rendimiento a un bajo coste.Kippei Matsuda
La descarga manual es muy costosa y requiere mucho tiempo, y las soluciones robóticas convencionales no son lo bastante flexibles para realizar este trabajo. En este sentido, nuestra solución de despaletización ha conseguido aumentar la precisión y la velocidad de las operaciones de descarga automatizada en comparación con las soluciones convencionales.
Por ejemplo, con las soluciones de sistemas robóticos convencionales, todos los tamaños y formas de los paquetes deben registrarse antes de ser recogidos. Si los paquetes con formas no registradas entran en el flujo de trabajo, no pueden procesarse. Sin embargo, nuestra solución de despaletización sólo requiere que se registren los tamaños más pequeño y más grande, y todos los paquetes pueden procesarse. En los sistemas robóticos convencionales, el robot debe conocer el tamaño y la forma correctos del producto que manipula. Se necesita una cámara para reconocer y confirmar el tamaño y la forma del producto. Si se confirma que es correcto, el brazo del robot recogerá el producto; enseñar al sistema es un proceso que lleva mucho tiempo.
Nuestra solución de despaletizado no requiere ningún registro previo del producto, salvo las dimensiones mínimas y máximas, lo que reduce considerablemente el tiempo de aprendizaje.KippeiMatsuda
La principal razón del éxito de la solución de despaletización de Kawasaki Robotics es que combinamos un hardware de cámara de bajo coste con nuestro sólido software de IA para procesar imágenes de productos complejos sin un montón de complementos. Conseguimos una solución de alto rendimiento y fácil de usar centrándonos en el desarrollo de un sistema de despaletización y, al reducir las funciones, logramos un mejor rendimiento de costes que los productos de otras empresas, lo que facilita a las empresas la introducción del producto».
Sr. Himekawa, responsable del desarrollo del producto (pertenece a la Sección 2 de Sistemas de Uso General, Departamento de Sistemas de Uso General, División de Robots)

¿Cómo seguirán desarrollándose la despaletización y las soluciones de IA?

Creo que la eficacia de las soluciones de despaletización aumentará a medida que se recopilen más y más datos y progrese el aprendizaje de la IA. Por ejemplo, una de las dificultades a la hora de desarrollar una solución de despaletizado eran los hilos y las cintas en la superficie de los paquetes. Cuando la IA los ve, puede confundir las cuerdas con los límites del cartón. Entonces puede decidir que la caja es más pequeña de lo que es en realidad y cogerla por error. Sin embargo, si el sistema se utiliza en varios sitios en el futuro y se recogen datos, podrá aprender múltiples variaciones de paquetes. Entonces, aunque una caja tenga cuerdas, cinta adhesiva o pegatinas, el robot podrá descargarla adecuadamente basándose en su experiencia pasada sin dejarse engañar. Será necesario recopilar muchos datos de buena calidad para el robot. También creo que la IA, llamada modelo de infraestructura, será clave. Un ejemplo es ChatGPT, que ha atraído mucha atención en los últimos años. Como el modelo subyacente se entrena a partir de una gran cantidad de datos, tiene una capacidad de reconocimiento muy alta, una especie de sentido común. Los modelos fundamentales pueden manejar una gran variedad de información, como texto, imágenes y sonido, y tienen potencial para ampliar drásticamente el uso de robots, no sólo en logística. En el futuro, me gustaría ampliar el uso de la IA haciendo un buen uso de los datos y el modelo básico.

Haga clic aquí para acceder a la página del producto Depalletizing Solution (japonés)

]]> Kawasaki Robotics //treeforeurope.com/es/blog/story_1/ Mon, 06 Dec 2021 12:00:00 +0000 urn:uuid:9e8e0fb9-da44-43c4-a0bd-dc5d9d953808 Ilustración de robots industriales: series duAro y R But when it comes to actually implementing a robot, a lot of questions arise. «What tasks can you leave to the robot?» «What steps do I need to take?» «Who should I talk to in the first place?» Here are some of the best ways to take industrial robots from concept to reality.

Consult with Professionals

You’re starting at square one: No robots have been introduced yet. You are interested in automation, but not sure which tasks to automate. In the beginning, it can be difficult to judge whether a particular task can, or should, be automated or not. In this situation, there are resources to give you peace of mind when introducing a new robot system. In many cases, a specialized engineering firm called Robotic System Integrator (robot SIer) is responsible for planning, designing, and deploying robotic systems. In general, the SIer interacts between the user and the robot manufacturer, acting as a connection between them, and leads the way to the system installation. Kawasaki is a valuable robot maker that can even play the role of a robot system integrator.
Ilustración de una situación en la que estás interesado en la automatización pero no sabes qué tareas automatizar.
Let’s take a look at the flow from the introduction of robots to installation. (An example of a basic flow is shown in Fig. 1.) In the early stages, the system integrator will conduct preliminary meetings and field observations to gain a better understanding. It’s important to know what the end-users are looking for and what’s going on in the industry, as well as basic requirements like budget, schedule, cycle time requirements, specs, variety, workspace, etc. Building a robotic system is a collaborative effort between the end-user, system integrator, and robot manufacturer, and a thorough understanding of the requirements is essential for success.

Create a robot-conducive environment

Next, you need to understand whether or not automation should be used. Robots are better at some tasks than others. For example, it is easy to accomplish repetitive tasks that require high degrees of accuracy, or dull, dirty, and dangerous jobs that aren’t ideal for humans to execute. But when it comes to complex applications requiring human senses such as sight, delicate touch, smell, and taste, extra equipment and sensors may be required, which can make a system more complicated and expensive. It is important to consider whether a robot is really suitable for the process you’re thinking of automating and whether a robot can demonstrate its power, productivity, and cost-effectiveness. Even in the common case of partial improvement of production processes, the first step is to sort out the tasks that should be performed by humans and the processes that should be performed by robots, taking into account the above viewpoints.

After narrowing down the processes to be automated by the robot, work elements are disassembled in a way that makes sense for the robot. For example, a person might think of a task the following way: Remove the screw and place it on the product on the jig. When you finish tightening, put the finished product in the next box. But in the case of a robot, it is necessary to subdivide each task:
Step 1: Remove the screw
Step 2: Place the product on the jig
Step 3: Place screw in the designated location
Step 4: Tighten screw
Step 5: Pick the finished product
Step 6: Place finished product in box

Una ilustración de cómo desglosar los elementos de trabajo para que sean fáciles de entender para un robot.
At this point, it’s easy to overlook the details of the human worker’s movements. For example, turning the parts inside out when placing them on a rack, visually checking the product for foreign objects, or tapping the surface to check the sealing performance are all simple but important movements. Once a robot is made to do the detailed work that the workers are doing almost subconsciously, it is necessary to construct a system not only for programming each and every operation but also for linking the tools used and the processes before and after.

At the same time, it is essential to create an environment in which robots can operate.
For example, if there is no storage space for equipment needed before and after the automated process, there is no problem in the operating space of the robot itself, but the process could be delayed. It is very important to design while imagining not only an automated process but also keeping in mind a realistic process flow such as whether this equipment is smoothly linked to the tasks that come before and directly follow that process. This requires a macroscopic perspective with a bird’s-eye view of how to smoothly pass complex elements such as workers, robots, parts, products, space, and time from upstream to downstream.

Un diagrama de nivel macro que muestra cómo transferir sin problemas elementos complejos, como trabajadores, robots, piezas, productos, espacio y tiempo, desde arriba hacia abajo.
Figure 1. Robot introduction process chart

Follow Up After Install

Once the details of the system are established from start to finish, a risk assessment is conducted based on the basic design. Once the safety of the robot is confirmed, it goes into the manufacturing and programming of the robot system. After the design drawing of the entire robot system is completed, it goes through manufacturing, testing, delivery, and installation, and then proceeds to the phase of production operation. But even with a successful deployment, the job of a robot manufacturer or system integrator isn’t over. The company has a long relationship with the end-users that use the system, including regular inspections, customer support, and assistance if failures occur. Kawasaki Heavy Industries has a dedicated call center to answer any questions end users have after installation. There is also a 24-hour help desk for problems that arise outside of business hours. Another reason for Kawasaki’s popularity among users is its extensive follow-up and customer service. Kawasaki Heavy Industries’ after-sales service team was established more than 30 years ago. And in 1986, it established Kawasaki Robot Service Co., Ltd. (formerly Kawasaki Robotics, Ltd.), a company specializing in maintenance and after-sales service. Behind the Kawasaki robots, there is always a team of experts close to the robot’s life, from installation to operation, maintenance, and renewal.
Imagen conceptual de un robot que reemplaza a los humanos.
There are many reasons why customers choose Kawasaki as a partner in the introduction of robot systems. One of the reasons for this is that, as a company that started as a manufacturer and has deep roots in this industry, it is fully equipped to support the introduction of robots to customers. For example, the Nishi-Kobe Plant has one of the largest robot showrooms in Japan. There are vertically articulated robots, parallel link robots, clean robots, and even duAro cobots and Successor systems. In the showroom, you will see work environments replicated for each robot type, such as welding, painting, and sorting lunch boxes on a production line. Many users want to implement robots to help combat labor shortages. Or, they may want to increase production efficiency and diversify their product line. Another common reason is to prevent human error and improve product quality, or protect workers from harsh and dangerous work. Every company has its own incentive to think about robots. Industrial robots are certainly the best solution for these problems, but replacing humans and robots is not enough. There’s no such thing as a robot without a professional standing by and supporting from the beginning to the end. Automation systems can only run smoothly when they have both robot system integrators and robot manufacturers.

[Columns]
Introducing Industrial Robots Faster!
Start of K-AddOn operation

Industrial robots cannot work by themselves. They need to connect to peripheral equipment such as grippers and vision systems so the whole system can work. In order to smoothly connect devices made by the various manufacturers, it is necessary to connect and link the respective software types. The K-AddOn platform was launched by Kawasaki to speed up the time it takes to connect the robot to its peripheral equipment and help ensure a smooth deployment. By opening the interface of industrial and collaborative robots made by Kawasaki Heavy Industries to peripheral equipment manufacturers, the robot system integrator and end-user can reduce the verification cost of equipment connection required at the time of installation.
Un diagrama de K-AddOn, una plataforma lanzada por Kawasaki Heavy Industries para acortar el tiempo de conexión entre robots y dispositivos periféricos y favorecer una implementación fluida.

K-AddOn

168Íø¿ª½±²éѯ¼Ç¼½á¹û:Ready to take the next step toward automation?

]]>