Marker-Triggered Pick-and-Place for CNC Machine Tending Using an ArUco-Based Vision Interface in ROS

Abstract

Este trabalho apresenta o desenvolvimento e a validação de uma arquitetura de software determinística para o Abastecimento de Máquinas automatizado, permitindo que um manipulador assistivo reaproveitado realize operações de carga e descarga de alta precisão em tornos de Controle Numérico Computadorizado (CNC). A pesquisa aborda o desafio de adaptar sistemas robóticos legados para ambientes de manufatura flexível, onde o controle dinâmico baseado em pose de 6 Graus de Liberdade (DoF) frequentemente falha devido a sensibilidades na calibração olho-mão, ruído de profundidade do sensor em superfícies metálicas reflexivas e instabilidade nas transformações de coordenadas. Para contornar essas vulnerabilidades perceptivas, a solução proposta implementa uma estrutura de controle baseada na conversão de identificadores para receitas, que depende da identificação topológica discreta em vez do rastreamento espacial contínuo. A implementação integra um manipulador Kinova Jaco2 de 6 DoF e uma câmera de profundidade Intel RealSense L515 por meio do middleware Robot Operating System (ROS 1) Noetic. O pipeline de percepção visual utiliza Marcadores ArUco exclusivamente para extrair identificadores inteiros, que atuam como gatilhos para consultar um banco de dados YAML modular. Este banco de dados mapeia cada tarefa para uma sequência específica de pontos de passagem pré-gravados no espaço das juntas e comandos de garra, garantindo rotas livres de colisões. Ao rotear a Execução de Trajetórias diretamente para os drivers de hardware de baixo nível e evitar planejadores baseados em amostragem em tempo real, o sistema evita singularidades matemáticas e latência computacional. A metodologia inclui a modelagem rigorosa do caminho com pontos intermediários e tempos de espera explícitos para dissipar oscilações cinéticas antes da preensão. A validação experimental demonstrou que a arquitetura atinge uma execução de curto prazo segura e altamente repetível dentro das restritas tolerâncias mecânicas de uma célula de trabalho CNC. Embora a natureza de malha aberta do sistema introduza suscetibilidade ao desvio espacial ao longo de ciclos contínuos prolongados, a abordagem neutraliza com sucesso a instabilidade cartesiana de alta frequência que tipicamente afeta a robótica guiada por visão. Os resultados validam o Retrofit Tecnológico de hardware assistivo legado para pesquisa avançada em manufatura, fornecendo um modelo sustentável, independente de fornecedor e facilmente reconfigurável para linhas de produção de alta variação e baixo volume.

This work presents the development and validation of a deterministic software architecture for automated Machine Tending, enabling a repurposed assistive manipulator to perform high-precision Computer Numerical Control (CNC) loading and unloading. The research addresses the challenge of adapting legacy robotic systems for flexible manufacturing environments, where dynamic 6-Degree-of-Freedom (DoF) pose-based grasping often fails due to hand-eye calibration sensitivities, sensor depth noise on reflective metallic surfaces, and coordinate transformation jitter. To bypass these perceptual vulnerabilities, the proposed solution implements an ID-to-Recipe control framework that relies on discrete topological identification rather than continuous spatial tracking. The implementation integrates a 6-DoF Kinova Jaco2 manipulator and an Intel RealSense L515 depth camera within the Robot Operating System (ROS 1) Noetic middleware. The visual perception pipeline utilizes ArUco Markers exclusively to extract integer identifiers, which act as triggers to query a modular YAML database. This database maps each task to a specific sequence of pre-recorded, collision-free joint-space waypoints and gripper commands. By routing Trajectory Execution directly to the low-level hardware drivers and avoiding online sampling-based planners, the system circumvents mathematical singularities and computational latency. The methodology includes strict trajectory shaping with intermediate waypoints and explicit temporal dwell times to dissipate kinetic oscillations before grasping. Experimental validation demonstrated that the architecture achieves safe, collision-free, and highly repeatable short-term execution within the tight mechanical tolerances of a CNC workcell. Although the open-loop nature of the system introduces susceptibility to spatial drift over extended continuous cycles, the approach successfully neutralizes the high-frequency Cartesian jitter that typically plagues vision-guided robotics. The results validate the Technological Retrofit of legacy assistive hardware for advanced manufacturing research, providing a sustainable, vendor-independent, and easily reconfigurable blueprint for high-mix, low-volume production lines.