Towards a Thermodynamical Deep-Learning-Vision-Based Flexible Robotic Cell for Circular Healthcare

要約

原材料の有限埋蔵量への依存と廃棄物の生成は、従来の線形経済の 2 つの未解決の問題です。
どこの国の主要部門である医療も現在、こうした問題に直面しています。
したがって、この論文では、小型医療機器のロボットによる再処理の理論的および実践的な進歩について報告します。
具体的には、理論に関しては、コンパートメント動的熱力学とロボットの力学を組み合わせてロボット工学をシステムレベルの視点に統合し、熱力学のフレームワークを活用してグラフベースの円形性指標を提案します。
当社の熱力学フレームワークは、通常の物質収支に動的エネルギー収支を追加することで物質流動解析 (MFA) を改善するため、循環物質流動設計の理論的基礎を定義する上でも一歩前進です。
実践については、小型医療機器のリソースマッピングと定量化、分解、廃棄物の分別に関する深層学習ビジョンによって可能になった柔軟なロボットセルの進行中の設計について報告します。

要約(オリジナル)

The dependence on finite reserves of raw materials and the production of waste are two unsolved problems of the traditional linear economy. Healthcare, as a major sector of any nation, is currently facing them. Hence, in this paper, we report theoretical and practical advances of robotic reprocessing of small medical devices. Specifically, on the theory, we combine compartmental dynamical thermodynamics with the mechanics of robots to integrate robotics into a system-level perspective, and then, propose graph-based circularity indicators by leveraging our thermodynamic framework. Our thermodynamic framework is also a step forward in defining the theoretical foundations of circular material flow designs as it improves material flow analysis (MFA) by adding dynamical energy balances to the usual mass balances. On the practice, we report on the on-going design of a flexible robotic cell enabled by deep-learning vision for resources mapping and quantification, disassembly, and waste sorting of small medical devices.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google