　Ascent Pickは、ロボットの先端に接続した3Dカメラでばら積み状態の部品を撮影し、その画像データをAIで解析して最もピッキングしやすい部品を選ぶAIソフトウェアだ。デモでは3Dカメラにインテルの「RealSense」使用しており、ロボットコントローラーとは別途用意したPCによりRealSenseで取得したデータのAI分析を行い、イーサネットスイッチを介してロボットコントローラーを制御する。

　機械学習ベースのAIソフトウェアの場合、データ収集やラベル付けなどのデータ準備作業の負荷が大きいことが課題になっている。Ascent Pickは、ロボットハンドとピッキング対象となるワークの3D CADデータがあれば、それを基に多様なデータを生成して機械学習を行えるため、手間のかかるデータ準備作業が不要だという。また、3Dカメラとして、価格が数万円と安価なRealSenseを利用できる点も大きな特徴になる。

　Ascent Pickでピッキングする際には、ばら積み状態にされた部品のあるワークスペースを3Dカメラでマッピングした上で、そのマッピングデータを入力としてAIが最適なピッキング位置を算出する。

「Ascent Pick」を用いたばら積みピッキングのデモ。ワークスペースを3Dカメラでマッピングする時間は2～3秒ほど（クリックで再生）

　また、現場へのセットアップも短時間で済ませられる。例えば、ロボット、周辺機器の設置が30分、ロボットの設定が5分、カメラの設定が10分、マッピングなどの領域の設定が15分、動作確認が15分で、計1時間15分という事例を示した。

　現時点でAscent Pickが対応しているロボットメーカーは、デモで披露したユニバーサルロボットとテックマンの他、川崎重工やファナックがある。「対応するロボットメーカーを広げるのは容易だ。実際に、今回デモを披露したテックマンへの対応も短期間で完了できた」（アセントロボティクスの説明員）という。

テックマンのロボットを用いたデモも披露した。なお、テックマン製ロボットに内蔵されているカメラは使用していない（クリックで拡大）

⇒その他の「人工知能ニュース」の記事はこちら

深層学習によるばら積みピッキングソフトウェア、市販のカメラとセンサーだけで
RUTILEAは、深層学習を用いたばら積みピッキングソフトウェアを開発し、オープンソースとして公開した。FA用ソフトウェア「SDTest」と組み合わせることで、外観検査工程を省人化できる。
ばら積みピックアップ精度を4時間で95％に、AIで学習時間を720分の1にする技術
安川電機のAI（人工知能）関連子会社であるエイアイキューブは「2019国際ロボット展（iREX2019）」（2019年12月18～21日、東京ビッグサイト）の安川電機ブースに出展し、ロボットのばら積みピックアップの学習を簡略化するシミュレーション技術を披露した。ロボットのばら積みピックアップの学習と調整に従来は数カ月かかっていたのに対し、新技術を使えば数時間で95％前後の精度が実現できるという。
バラ積み部品を高速認識、オムロンがロボットハンドに搭載できる3D認識技術を披露
オムロンは「IIFES2019」（2019年11月27～29日、東京ビッグサイト）において、ロボットハンドに搭載し、バラ積み部品を高速に認識する3D画像センシング技術を披露した。また、より小型の部品を認識できる技術も参考出品した。
ロボットが自律的な部品供給、組み立て作業をするAI技術を開発
NEDOらは、製造現場でロボットが自律的な部品供給、組み立て作業をするAI技術を開発した。多品種少量生産で、複雑な形状の部品が必要となる組み立て工程へのロボット導入促進が期待できる。
鍛造部品をばら積み状態からピッキング、MUJINが目指す産業用ロボットの知能化
MUJINは「第29回設計・製造ソリューション展」（以下、DMS2018、2018年6月20～22日、東京ビッグサイト）に出展し、「MUJINコントローラー」により産業用ロボットの知能自動化を実現するソリューションを紹介した。
ドライバーの認知、判断をそのままアルゴリズムに、市街地の自動運転向けAI
アセントロボティクス（Ascent Robotics）は「Embedded Technology 2018／IoT Technology 2018（ET2018）」（2018年11月14～16日、パシフィコ横浜）において、市街地での自動運転の実現に向けた人工知能（AI）の学習環境と実験車両を紹介した。