Endüstriyel robotlarda algılama teknolojileri ve açık sorunlar derlendiSensing Technologies and Open Challenges in Industrial Robots: A Review

ÖzetSummary

Bağımsız araştırmacı Anirudha Gupta'nın ön baskı anketi, 'ışıklar kapalı' endüstriyel otomasyon için robot algılama alanını haritalandırıyor. Çalışma; 2B/3B görme, dokunsal ve kuvvet algılama gibi sensör modalitelerini; 6B pozlama, kutudan alma ve anomali algılama gibi temel görevleri; simülasyondan gerçeğe aktarım ve görsel-dil modelleri (VLM) gibi öğrenme paradigmalarını; şeffaf nesneler ve öğrenilen bileşenlerin sertifikasyonu gibi açık sorunları kapsıyor.Independent researcher Anirudha Gupta's preprint survey maps the landscape of robot perception for 'lights-out' industrial automation. The work covers sensor modalities such as 2D/3D vision, tactile, and force sensing; core tasks like 6D pose estimation, bin picking, and anomaly detection; learning paradigms including sim-to-real transfer and vision-language models (VLMs); and open challenges such as transparent objects and the certification of learned components.

Neden ÖnemliWhy it matters

Endüstriyel robotik, algılama darboğazında takılı kalmış durumda. Bugünkü hücrelerin büyük bölümü önceden programlanmış durumda. Gerçek otonomiye giden mesafe, robotların yapılandırılmamış ortamları ne kadar iyi algılayıp yorumlayabildiğiyle belirleniyor. Modaliteleri, görevleri ve öğrenme yöntemlerini bir araya getiren bu derleme, uygulayıcılara ve araştırmacılara alanın zayıf noktalarını belirlemek için tek bir referans noktası sunuyor. Bu zayıflıklar özellikle belirsizlik ölçümü, deformasyonel malzeme işleme ve öğrenilen algılama yığınlarının düzenleyici sertifikasyonu konularında kendini gösteriyor.Industrial robotics is currently stuck at a perception bottleneck. Most existing cells are pre-programmed. The path to true autonomy is defined by how well robots can perceive and interpret unstructured environments. This survey, which integrates modalities, tasks, and learning methods, provides practitioners and researchers with a single reference point to identify the field's weaknesses. These weaknesses are particularly evident in uncertainty quantification, handling deformable materials, and the regulatory certification of learned perception stacks.

Öne ÇıkanlarHighlights

• Algılama, önceden programlanmış robotlar ile gerçekten otonom üretim hücreleri arasındaki temel darboğaz olarak konumlandırılıyor.Perception is positioned as the fundamental bottleneck between pre-programmed robots and truly autonomous production cells.
• Açık sorunlar arasında şeffaf/yansıtıcı nesneler, deformasyonel malzeler, veri kıtlığı ve öğrenilen bileşenlerin sertifikasyonu açıkça yer alıyor.Open problems explicitly include transparent/reflective objects, deformable materials, data scarcity, and the certification of learned components.
• Anket, son ilerlemeleri simülasyondan gerçeğe aktarım, sentetik veri, öz-etiketleme ve ROS 2 ile dijital ikizler aracılığıyla entegre edilen görsel-dil temel modellerine bağlıyor.The survey links recent advances to vision-language foundation models integrated via sim-to-real transfer, synthetic data, self-labeling, and digital twins with ROS 2.

EleştiriCritical take

Bu makale, kurumsal bir bağlantısı olmayan tek bir bağımsız araştırmacıya ait, hakemli incelemeden geçmemiş bir ön baskıdır. Çalışmanın son derece geniş kapsamı (algılama, görevler, öğrenme, entegrasyon, zorluklar) her konunun yüzeysel ele alınma riskini doğuruyor. Hakem incelemesi veya indirilebilir bir veri kümesi bulunmadığı için, 'son teknoloji' hakkındaki iddialar yetkili bir değerlendirme değil, başlangıç haritası olarak ele alınmalıdır.This article is a preprint by a single independent researcher with no corporate affiliation and has not undergone peer review. The work's extremely broad scope (perception, tasks, learning, integration, challenges) carries the risk of superficial treatment of each topic. Given the lack of peer review or a downloadable dataset, claims regarding 'state-of-the-art' should be treated as a starting map rather than an authoritative assessment.