В статье рассматривается работа манипуляционных роботизированных комплексов для наиболее популярных задач в индустрии. В статье приводится реализация классических методов захвата объектов с использованием CAD-модели объекта, отмечены их преимущества и недостатки. В качестве нового решения предложено использовать систему, основанную на применении нейросети архитектуры Action Chunking with Transformers (ACT). Статья детализирует применение нейросетей архитектуры ACT, алгоритм обучения нейросетей и их запуска в рамках технологических операций реальных производств. В работе приводится описание аппаратной части системы, в состав которой входит Коллаборативный манипулятор ARM95, камера глубины RealSense Depth Camera D405 и трекер положения HTC VIVE. В качестве экспериментальной части работы были рассмотрены следующие технологические операции: захват объекта “коробка”, захват объекта “карандаш”, покраска детали и шлифовка поверхности. Разработанная система показывает, что современные технологии, в том числе методов машинного обучения, помогают решать сложные технологические операции с высоким уровнем производительности.
