Kawasaki Robotics //treeforeurope.com/it/ Thu, 26 Jun 2025 06:46:16 +0000 it-IT hourly 1 //www.altis-dxp.com/?v=6.8.4 //treeforeurope.com/tachyon/sites/32/2022/02/cropped-site-icon.png?fit=32%2C32 Kawasaki Robotics //treeforeurope.com/it/ 32 32 Kawasaki Robotics //treeforeurope.com/it/blog/human-ingenuity-kippei-matsudas-journey-from-nfl-ai-competition-winner-to-ai-solution-developer-at-kawasaki-robotics/ Fri, 28 Feb 2025 05:56:46 +0000 urn:uuid:0f1b9e14-9cb9-4a51-a253-c2decc83f8f3

Kippei Matsuda: Dipartimento di sviluppo della tecnologia dei robot, Centro di sviluppo della tecnologia di sistema, Divisione di sviluppo tecnologico. Dr. (Ingegneria)

Descrivete la sfida dell’NFL, la soluzione e cosa l’ha resa entusiasmante?

Il concorso mirava a identificare le collisioni tra giocatori, con più di 1.000 scienziati dei dati in tutto il mondo in competizione per costruire una soluzione accurata utilizzando i filmati delle partite della NFL e le informazioni dei sensori. Il football americano è noto per essere uno degli sport più duri e fisicamente impegnativi al mondo, con contatti ad alto impatto e, sebbene i giocatori indossino protezioni, gli infortuni sono frequenti. Le collisioni con la testa, in particolare, spesso causano lesioni gravi o disabilità, ed è stato difficile trovare modi per ridurre l’impatto delle collisioni e un trattamento efficace dopo un infortunio. Se potessimo identificare con precisione quali giocatori hanno subito un impatto alla testa durante una partita, potremmo somministrare efficacemente il trattamento e far progredire la ricerca sugli effetti dei caschi e su come mitigare l’impatto. Svolgere questo tipo di ricerca manualmente sarebbe estremamente dispendioso in termini di tempo, quindi la NFL ha indetto questo concorso per utilizzare la tecnologia AI per risolvere questo problema.

La chiave per vincere questa competizione è stata la riuscita integrazione di due tipi di dati distinti, le informazioni video e quelle dei sensori. Abbiamo utilizzato le immagini video per identificare le collisioni dei giocatori e abbiamo stimato le posizioni dei giocatori utilizzando i sensori ad essi collegati. Lo sviluppo di un sistema di intelligenza artificiale che analizzava e prevedeva meticolosamente anche i più piccoli cambiamenti di posizione e postura dei giocatori, come accovacciarsi o cadere, ci ha contraddistinto. Questa innovazione ha migliorato notevolmente la nostra precisione rispetto agli altri partecipanti. Di conseguenza, la nostra velocità di elaborazione è stata 83 volte superiore a quella delle operazioni manuali e i compiti che richiedevano 3-4 giorni potevano ora essere completati in sole 2 ore, il che è stato molto apprezzato.

Kippei Matsuda
In generale, l’analisi delle immagini dell’intelligenza artificiale comporta il rilevamento di oggetti nelle immagini, ma in questa competizione abbiamo dovuto considerare le posizioni tridimensionali (3D) dei giocatori in campo sullo schermo, una sfida entusiasmante che non avevamo mai affrontato prima. È difficile analizzare i dati perché bisogna guardarli più volte, ma il video della NFL era così potente che mi sono divertito a guardarlo più volte. Grazie a questo, alla fine della competizione, ero in grado di immaginare i movimenti dei giocatori solo guardando i titoli dei video.

Cosa l’ha spinta a partecipare alla sfida NFL e quali sono stati i risultati?

Tutto è iniziato pensando che potesse far parte dei miei studi. Gli aspetti teorici possono essere appresi da libri e altre fonti, ma sapere come utilizzare i dati reali ed eseguire una simulazione è difficile. Come sviluppatore, toccare e analizzare i dati e ripetere prove ed errori è essenziale. Sono stato attratto dal concorso perché forniva materiali che portavano all’apprendimento pratico”.

“Partecipare al concorso mi ha permesso di mettere in pratica lo sviluppo dell’intelligenza artificiale”.

Kippei Matsuda
Onestamente, non ho mai pensato che il concorso in sé fosse difficile; ciò che è stato difficile è stato trovare il tempo per i miei studi e la mia famiglia, dato che ho lavorato a questo progetto durante il mio tempo libero. Quando giocavo con i miei figli al parco, all’improvviso pensavo: “Forse potrei fare quella parte in questo modo”, e mi preoccupavo. Era difficile rilassarsi. Ero in treno e tremavo. Fin dall’inizio di questo progetto, non pensavo di poter vincere, ma quando l’ho fatto ero entusiasta. Non mi sono lamentata della vittoria e sono stata felice di condividere la notizia con tutti quelli che mi circondavano. Quel giorno non sono riuscito a lavorare!

Come lavora oggi alla Kawasaki Robotics con la visione AI?

Attualmente mi occupo dello sviluppo di prodotti che utilizzano la visione AI specificamente per la robotica. L’intelligenza artificiale analizza le immagini catturate dalle telecamere e le elabora in vari modi; ad esempio, nella nostra soluzione di depalettizzazione, elabora le immagini dei prodotti che devono essere scaricati. Le soluzioni di depalettizzazione sono utilizzate per migliorare l’efficienza di scarico nei centri di distribuzione e nelle fabbriche. La soluzione di depalettizzazione è dotata di visione AI 3D ed è in grado di effettuare analisi altamente sofisticate del carico che gestisce.
La soluzione di depallettizzazione di Kawasaki Robotics è dotata di visione AI 3D ed è in grado di effettuare analisi altamente sofisticate del carico che gestisce. Specializzandoci nello scarico, abbiamo ottenuto prestazioni elevate a costi contenuti.Kippei Matsuda
Lo scarico manuale è molto costoso e richiede molto tempo, e le soluzioni robotiche convenzionali non sono abbastanza flessibili per gestire il lavoro. A questo proposito, la nostra soluzione di depalettizzazione è riuscita ad aumentare la precisione e la velocità delle operazioni di scarico automatizzate rispetto alle soluzioni convenzionali.
Ad esempio, con le soluzioni robotiche tradizionali, tutte le dimensioni e le forme delle confezioni devono essere registrate prima di essere prelevate. Se i colli di forma non registrata entrano nel flusso di lavoro, non possono essere lavorati. La nostra soluzione di depallettizzazione, invece, richiede la registrazione solo delle dimensioni più piccole e più grandi e tutti i colli possono essere lavorati. Nei sistemi robotizzati tradizionali, il robot deve conoscere le dimensioni e la forma corretta del prodotto da trattare. Per riconoscere e confermare le dimensioni e la forma del prodotto è necessaria una telecamera. Se viene confermata la correttezza, il braccio robotico preleva il prodotto, ma l’apprendimento del sistema richiede molto tempo.
La nostra soluzione di depalettizzazione non richiede alcuna registrazione preliminare del prodotto, a parte le dimensioni minime e massime, riducendo in modo significativo i tempi di apprendimento.Kippei Matsuda
Il motivo principale per cui la soluzione di depallettizzazione di Kawasaki Robotics ha avuto successo è che abbiniamo un hardware di telecamere a basso costo con il nostro robusto software di intelligenza artificiale per elaborare immagini complesse di prodotti senza un mucchio di componenti aggiuntivi. Abbiamo ottenuto una soluzione ad alte prestazioni e facile da usare concentrandoci sullo sviluppo di un sistema di depalettizzazione e, restringendo le funzioni, abbiamo ottenuto prestazioni migliori in termini di costi rispetto ai prodotti di altre aziende, rendendo più facile per le aziende introdurre il prodotto.
Himekawa, responsabile dello sviluppo del prodotto (appartenente alla sezione 2 dei sistemi per uso generale, dipartimento dei sistemi per uso generale, divisione robot).

Come continueranno a svilupparsi le soluzioni di depalettizzazione e AI?

Credo che l’efficienza delle soluzioni di depallettizzazione aumenterà con la raccolta di un numero sempre maggiore di dati e con i progressi dell’apprendimento dell’intelligenza artificiale. Ad esempio, una delle difficoltà nello sviluppo di una soluzione di depallettizzazione era rappresentata dalle stringhe e dai nastri sulla superficie delle confezioni. Quando l’intelligenza artificiale li vede, può confondere le stringhe con i confini del cartone. Potrebbe quindi decidere che la scatola è più piccola di quanto sia in realtà e prenderla per errore. Tuttavia, se in futuro il sistema verrà utilizzato in diversi siti e verranno raccolti dati, sarà in grado di apprendere più varianti di confezioni. In questo modo, anche se una scatola presenta lacci, nastro adesivo o adesivi, il robot potrà scaricarla in modo appropriato in base alla sua esperienza passata, senza essere tratto in inganno. Sarà necessario raccogliere molti dati di buona qualità per il robot. Penso anche che l’intelligenza artificiale, chiamata modello di infrastruttura, sarà fondamentale. Un esempio è ChatGPT, che ha attirato molta attenzione negli ultimi anni. Poiché il modello sottostante è stato addestrato sulla base di una grande quantità di dati, ha una capacità di riconoscimento molto elevata, una sorta di buon senso. I modelli fondamentali sono in grado di gestire una varietà di informazioni, tra cui testo, immagini e suoni, e hanno il potenziale per espandere drasticamente l’uso dei robot, non solo nella logistica. In futuro, vorrei espandere l’uso dell’IA facendo buon uso dei dati e del modello di base.

Fare clic qui per la pagina del prodotto Depalletizing Solution (giapponese)

]]> Kawasaki Robotics //treeforeurope.com/it/blog/story_1/ Mon, 06 Dec 2021 12:00:00 +0000 urn:uuid:9e8e0fb9-da44-43c4-a0bd-dc5d9d953808 Illustrazione dei robot industriali: serie duAro e 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.
Esempio di una situazione in cui sei interessato all'automazione ma non sai quali attività automatizzare.
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

Un'illustrazione di come scomporre gli elementi di lavoro in modo che siano facilmente comprensibili per 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 diagramma a livello macro che mostra come trasferire agevolmente elementi complessi quali lavoratori, robot, parti, prodotti, spazio e tempo da monte a valle.
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.
Immagine concettuale di un robot che sostituisce gli esseri umani
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.
Uno schema di K-AddOn, una piattaforma lanciata da Kawasaki Heavy Industries per ridurre i tempi di connessione tra robot e dispositivi periferici e supportare un'implementazione fluida.

K-AddOn

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

]]>