1 Od gestu do trajektorii. Robot przemysłowy jako narzędzie badawcze w edukacji projektowej

https://doi.org/10.52652/fxyz.28.26.1 

Wstęp

Niniejszy artykuł stawia tezę, że robot przemysłowy może pełnić funkcję nie tylko narzędzia wytwórczego, lecz również medium badawczego w procesie edukacji projektowej. Perspektywa ta umożliwia refleksję nad relacją między procesem robotycznego wytwarzania a ucieleśnioną wiedzą twórcy.

Analiza opiera się na studium przypadku ćwiczenia dydaktycznego na Wydziale Projektowania Uniwersytetu SWPS z robotycznego malowania i rysowania. Projekt wprowadzał studentów w zagadnienia robotyki poprzez zadanie przekładu gestu manualnego na parametryczne określenie ruchu maszyny.

Kontekst historyczny

Słowo „robot” zostało spopularyzowane na wiele lat przed wkroczeniem mechanicznych ramion do fabryk. Po raz pierwszy pojawiło się w sztuce teatralnej Rossum’s Universal Robots czechosłowackiego pisarza Karela Čapka opublikowanej w 1920 roku. Wyraz wywodzi się z archaicznego czeskiego słowa „robota”, oznaczającego ciężką, przymusową pracęE.G. Christoforou i A. Müller, Robot and Robotics: The Origin and Beyond, w: Advances in Robot Design and Intelligent Control, Advances in Intelligent Systems and Computing, vol. 540, ed. A. Rodić i T. Borangiu, Springer, Cham 2017, s. 613, doi.org/10.1007/978-3-319-49058-8_67 [data dostępu: 13.5.2026].¹.

W 1961 roku George Charles Devol Jr. i Joseph Engelberger skonstruowali pierwszy manipulator Unimate #001, który podjął pracę w fabryce General MotorsA. Gasparetto i L. Scalera, From the Unimate to the Delta Robot: The Early Decades of Industrial Robotics, w: Explorations in the History and Heritage of Machines and Mechanisms, History of Mechanism and Machine Science, vol. 37, ed. B. Zhang i M. Ceccarelli, Springer, Cham 2019, s. 287, doi.org/10.1007/978-3-030-03538-9_23 [data dostępu: 13.5.2026].². Kolejne dekady przynosiły coraz bardziej precyzyjne i autonomiczne maszynyJ. Wallén, The History of the Industrial Robot, Technical Report LiTH-ISY-R-2853, Division of Automatic Control, Department of Electrical Engineering, Linköping University, 2008.³. W 2008 roku Universal Robots zaprezentował robota współpracującego (collaborative robot, cobot) model UR5 History, Universal Robots, universal-robots.com/about-us/history/ [data dostępu: 16.3.2026].⁴, który opuścił klatkę bezpieczeństwa i zrewolucjonizował relację robot – człowiek.

W 2014 roku integracja środowiska projektowego z robotycznym wytwarzaniem obniżyła barierę dostępu do ramion robotycznych. Pytanie przestało brzmieć: „Czym jest robot?”, a pytano teraz: „Co może zrobić?”. Maszyna opuściła linię produkcyjną i wkroczyła w przestrzeń projektowania jako narzędzie badawcze i twórcze. Eksperymenty objęły między innymi wyplatanie włókna naturalnego w skali architektonicznejM. Gil Pérez, Y. Guo i J. Knippers, Integrative Material and Structural Design Methods for Natural Fibres Filament-Wound Composite Structures: The LivMatS Pavilion, „Materials & Design” May 2022, vol. 217, art. 110624, s. 2, doi.org/10.1016/j.matdes.2022.110624 [data dostępu: 13.5.2026].⁵, drukowanie 3D ceramicznych fasad budowlanych o złożonej geometrii Ceramic House, 2023, RAP, studiorap.nl/Ceramic-House [data dostępu: 16.3.2026].⁶ czy filcowanie wełny cobotem Flocks Wobot, 2024, Christien Meindertsma, christienmeindertsma.com/FLOCKS-Wobot-1 [data dostępu: 16.3.2026].⁷ – obszary, w których technologia nie zastąpiła rzemiosła, lecz poszerzyła przestrzeń eksploracji.

Wiedza milcząca

Jednym z największych wyzwań w tworzeniu procesu robotycznego wytwarzania jest stworzenie algorytmu sterującego maszyną. Zaprojektowanie trajektorii ruchu robota wymaga precyzyjnej instrukcji, która stawia fundamentalne pytanie, w jaki sposób dana czynność jest wykonywana. Efektywną metodą pozyskiwania tej wiedzy jest obserwacja ruchu własnych dłoni.

Wykonywanie wyuczonych czynności jest zakorzenione w wiedzy milczącej. Poprzez długą praktykę ciało zapamiętuje schematy sensoryczno-motoryczne, synchronizuje się z narzędziem i materiałem oraz dostosowuje sposób percepcji do danego kontekstu. Wraz z ucieleśnieniem wiedzy zatracamy jej świadomość i umiejętność jej opisaniaD. Hadjimichael, R. Ribeiro, H. Tsoukas, How Does Embodiment Enable the Acquisition of Tacit Knowledge in Organizations? From Polanyi to Merleau-Ponty, „Organization Studies” 2024, vol. 45, issue 4, s. 2, 4, 6, 10, doi.org/10.1177/01708406241228374 [data dostępu: 13.5.2026].⁸. Jak pisze Michael Polanyi, „możemy wiedzieć więcej, niż jesteśmy w stanie powiedzieć”M. Polanyi, The Tacit Dimension, University of Chicago Press, Chicago 1966, s. 4.⁹ – doświadczony malarz wie, ile nacisku potrzeba, by pędzel zostawił właściwą kreskę, ale nie potrafi ująć tego słowami. Dopiero próba werbalizacji zmusza praktyka do świadomego rozłożenia procesu, który później zostaje złożony na nowo w formie algorytmicznej instrukcji.

Studium przypadku

Kontekst

Opis przedmiotu

Studium przypadku jest zbiorem refleksji wynikających z obserwowania zajęć parametryka 1 (przeprowadzonych przez Agnieszkę Wardzińską i Jakuba Franczuka) oraz robotyka 1 (przeprowadzonych przez autorkę) na Wydziale Projektowania Uniwersytetu SWPS w 2025 roku. Przedmiot był elementem współpracy pomiędzy Uniwersytetem SWPS a Centrum Nauki Kopernik (CNK). W programie studiów licencjackich z projektowania kurs był składową trzeciego semestru specjalizacji product design i należał do modułu narzędzi cyfrowych.

Celem zajęć robotyka 1 było przyswojenie przez uczestników logiki konstrukcji parametrycznego schematu wytwarzania robotycznego i opanowanie przez nich koncepcji ruchów ramienia robota w środowisku 2,5D. Parametryka 1 miała za zadanie wprowadzić studentów do metodyki projektowej w środowisku Grasshopper, polegającej na tworzeniu parametrycznej definicji. Obie umiejętności stanowią fundament wykorzystania ramienia robota jako medium badawczego. Studium przypadku odnosi się do jednego z elementów stopniowo rozbudowywanego programu. Zajęcia są kontynuowane na czwartym i piątym semestrze.

Uczestnicy

W zajęciach wzięło udział łącznie 38 studentów. Po ukończeniu drugiego semestru uczestnicy byli zaznajomieni ze schematem procesu projektowego, z technikami rysunku i malarstwa, modelowaniem 3D w środowisku Rhino, podstawowymi technikami prototypowania, koncepcją analizy, konkluzji i rekomendacji projektowej.

Temat projektu

Zadanie projektowe było zorientowane na opracowanie i eksplorację procesu robotycznego malowania i rysowania. Wybór czynności poddawanej robotyzacji był świadomą decyzją dydaktyczną. Został dostosowany do grupy odbiorców, aby zredukować etap zapoznania z techniką manualną i skupić uwagę studentów na istocie zadania, czyli nauce i badaniu możliwości nowych narzędzi – wszyscy studenci ukończyli kurs rysunku i malarstwa. Studenci realizowali projekt w grupach dwuosobowych.

Temat projektu „Widokówka z CNK” był osadzony w kontekście Centrum Nauki Kopernik i nawiązywał bezpośrednio do wybranych eksponatów Strefy Eksperymentowania.

Narzędzia i środowisko pracy

Grasshopper

Grasshopper to środowisko do algorytmicznego modelowania 3D dla oprogramowania Rhino, oparte na programowaniu wizualnym. Takie podejście pomija złożoną i czasochłonną w nauce programowania składnię kodu tekstowego oraz konieczność zrozumienia modelu obiektowego. W zamian korzysta się z gotowych elementów graficznych, takich jak węzły, bloki, strzałki lub diagramyG. Celani i C. E.V. Vaz, CAD Scripting and Visual Programming Languages for Implementing Computational Design Concepts: A Comparison from a Pedagogical Point of View, „International Journal of Architectural Computing” 2012, vol. 10, issue 1, s. 128–129.¹⁰.

Dobot

Do przeprowadzenia zajęć wykorzystano trzyosiowe roboty edukacyjne Dobot Magician, które różnią się od sześcioosiowych ramion robotycznych liczbą stopni swobody, czyli kierunków i osi, w których maszyna może się poruszać. Dodatkowymi ograniczeniami robota były niewielki zakres mobilności i udźwig do dwóch kilogramów. Parametry te zdeterminowały decyzje projektowe na etapach opracowania narzędzia i obszaru roboczego, nie wpływając na założone cele dydaktyczne. Do programowania trajektorii ruchu robota wykorzystano wtyczkę Dobot do środowiska Grasshopper. Komponenty przekształcały zbiór płaszczyzn w trajektorie robota, na których podstawie generowany był kod. Korzystano z trzech typów ruchu robota PTP (point to point – od punktu do punktu), LIN (linear – liniowy) oraz ARC (arc – po łuku) ( il. 1). Każda grupa projektowa dysponowała odrębnym stanowiskiem robotycznym.

Narzędzie końcowe i obszar roboczy

Kod generuje ruch robota, narzędzie nadaje mu funkcjonalność, natomiast obszar roboczy osadza go w kontekście. Opracowanie narzędzia jest czasochłonnym procesem o charakterze iteracyjnym. Jego istotą jest wielokrotne testowanie w środowisku docelowym oraz modyfikowanie aż do uzyskania modelu funkcjonalnego. Na podstawie analizy poprzednich edycji zajęć podjęto decyzję o pominięciu tego etapu w projekcie studenckim na rzecz eksploracji możliwych rozwiązań.

Uczestnicy korzystali z przygotowanego narzędzia końcowego, które umożliwiało przyłączenie pędzla płaskiego lub markera do trzeciej osi robota. Narzędzie wyposażono w serwomechanizm skomunikowany z robotem, aby zorientować je w dowolnym ułożeniu prostopadle do płaszczyzny obszaru roboczego. Aktuator umożliwił pracę w przestrzeni 2,5D. Zanim robot wykonał konkretną operację, niezbędne było przygotowanie środowiska pracy. Format kartki A5 oraz forma obszaru roboczego zostały wyznaczone przez ograniczenia mobilności robota. Blat roboczy określał pozycję kartki i pojemników z tuszem względem podstawy robota.

Struktura projektu

Składowe komponenty przedmiotu parametryka i robotyka 1 były prowadzone przez dwóch wykładowców. Oprócz wspólnego projektu „Widokówka z CNK” każdy realizował odrębny program dydaktyczny zorientowany na charakterystykę komponentu. Mimo autonomii obu modułów, ich zakresy naturalnie się przenikały ze względu na podobieństwo poruszanych zagadnień i stosowanych narzędzi. Studenci poprzez szereg wprowadzeń teoretycznych, ćwiczeń oraz prac domowych rozwijali umiejętność stosowania coraz bardziej zaawansowanych metod formułowania definicji i kombinacji ruchów robota.

Projekt był podzielony na następujące etapy: synteza graficzna, testy manualne, parametryczna definicja grafiki, schemat logiczny wytwarzania robotycznego, testy procesu i eksploracja możliwych rozwiązań. Przedmiot parametryka 1 odpowiadał za opracowanie projektu graficznego, a robotyka 1 za jego realizację.

Synteza graficzna

Eksponaty interaktywne CNK stanowiły punkt wyjścia do opracowania syntezy graficznej. Prace nie były ich dosłownym odwzorowaniem, ale interpretacją zasady działania wybranego zagadnienia. Obiekty obejmowały szeroki zakres zjawisk naukowych, takich jak wstęga Möbiusa (il. 2), populacja (il. 3) czy gra w życie (il. 4).

Testy manualne

Gdy koncepcje projektów zostały ukształtowane, studenci wcielili się w rolę robota, aby zasymulować trajektorię jego ruchu. Zadanie to ułatwiło identyfikację niezbędnych płaszczyzn oraz rodzajów ruchów (il. 5, 6). Można je przyrównać do odwróconego ćwiczenia „połącz kropki”. Uzyskane wyniki były podstawą do stworzenia skryptu robotycznego wytwarzania w środowisku Grasshopper.

Definicja parametryczna

Zanim studenci rozpoczęli konstruowanie definicji parametrycznej, wykonali dwa ćwiczenia wprowadzające, które później stanowiły jej fundament. W pierwszym określili zmienne parametry schematu oraz zasady transformacji i przekształceń elementów geometrycznych (il. 7). W kolejnym sformułowali zasady kompozycji elementów względem siebie i kartki (il. 8). Następnie geometrie i relacje między elementami zostały przeniesione ze szkicu na komponenty, a zmienne parametry na suwaki liczbowe w środowisku Grasshopper. Powiązania pomiędzy elementami stworzyły ciąg zależności generujący wiele rozwiązań (il. 9).

Schemat wytwarzania robotycznego

Schemat wytwarzania robotycznego był kontynuacją części odnoszącej się do projektu graficznego. Jego istotę stanowiło opracowanie definicji ruchu robota na podstawie analizy przeprowadzonej podczas testów manualnych. Zaczęto od orientacji grafiki na wirtualnym modelu 3D obszaru roboczego w środowisku Rhino. Po podłączeniu niezbędnych komponentów trajektorii ruchu robota uczestnicy weryfikowali poprawność schematu za pomocą wizualnej symulacji wykonania programu (il. 10, 11).

Sprawdzono dwie metody prowadzenia zajęć. W pierwszej – wykładowca tworzył schemat wspólnie ze studentami, zadając pytania naprowadzające na rozwiązanie. Następnie uczestnicy samodzielnie dostosowywali je do swoich potrzeb. W drugiej grupie studenci samodzielnie poszukiwali rozwiązań, a wykładowca dokonywał korekt.

Testy malowania robotycznego

Odrębne stanowiska umożliwiły studentom jednoczesne testowanie skryptów, nanoszenie koniecznych zmian i ponowną ich weryfikację. Na tym etapie uwzględniono precyzyjną kalibrację narzędzia, która odpowiadała za nacisk pędzla lub markera na płaszczyznę kartki. Uczestnicy wyznaczali indywidualne parametry dostosowane do założeń projektu graficznego. W niektórych przypadkach decydowali się na zmianę narzędzia lub modyfikację sposobu wykonania trajektorii ruchu. Część grup pomijała ruch podniesienia ramienia robota między geometriami (il. 12, 13, 14). Największym wyzwaniem okazała się poprawnie skonstruowana architektura danych w środowisku Grasshopper, odpowiadająca za kolejność punktów pośrednich w ścieżce ruchu.

Eksploracja możliwych rozwiązań

Każdy projekt był zorientowany na inny cel. Jedni uczestnicy dążyli do precyzji odwzorowania, inni do równowagi między geometrią a kolorem lub do czytelności przekazu. Poprzez zmianę parametrów liczbowych studenci stworzyli serię rozwiązań, na których podstawie mogli dokonać świadomego wyboru (il. 15).

Ewaluacja zajęć

Uczestnicy byli zadowoleni z projektu oraz współpracy z CNK. W jednej grupie 30% uczestników oceniło poziom zajęć jako zbyt wysoki, pozostali uznali go za odpowiedni. W drugiej grupie proporcje te były odwrotne. Studenci zarekomendowali przeznaczenie większej liczby godzin na wprowadzenie do środowiska Grasshopper. Zaproponowali również zmianę struktury zajęć na formę warsztatową, w której projekt jest elementem serii wspólnych ćwiczeń, a przestrzeń do swobodnej modyfikacji pojawia się dopiero na ostatnim etapie.

Obserwacje i refleksje

Narzędzie

Studenci chętniej wybierali marker od pędzla. Część podejmowała tę decyzję z powodów projektowych, część ze względu na prostszą ścieżkę techniczną: marker nie wymagał wyznaczania płaszczyzn orientacji. Na etapie testów i eksploracji niektórzy studenci zdecydowali się na wymianę narzędzia na pędzel. Obserwacja ta sugeruje, że świadomy wybór narzędzia może być umiejętnością, którą studenci rozwijają w toku projektu, a nie przed jego rozpoczęciem.

Testy manualne

Testy manualne stanowiły istotne wsparcie w kolejnych etapach i ujawniły różnice wśród uczestników. Studenci, którzy skrupulatnie podeszli do zadania, byli znacznie bardziej samodzielni podczas tworzenia definicji. Stopniowe wprowadzenie zagadnień poprzez szereg ćwiczeń korzystnie wpłynęło na przyswojenie podstaw kinematyki robota. Największą trudnością okazały się elementy wiedzy milczącej, takie jak konieczność uwzględnienia płaszczyzny w punkcie końcowym krzywej zamkniętej.

Parametryczna definicja

Formułowanie parametrycznego schematu w środowisku Grasshopper należało do największych wyzwań. Pomimo przygotowania szkiców z opisem i wprowadzenia do narzędzia, określenie punktu wyjściowego definicji sprawiło niektórym uczestnikom trudność. Jej źródłem były znikoma znajomość komponentów oraz niewystarczające oswojenie z logiką projektowania parametrycznego na początkowym etapie nauki. Przykładowo, studenci nie potrafili zidentyfikować komponentu odpowiadającego okręgowi „Circle”. Na podstawie obserwacji sformułowano rekomendacje dotyczącą zwiększenia liczby ćwiczeń wprowadzających oraz opracowania słownika pojęć z ilustracjami komponentów.

Schemat wytwarzania robotycznego

Podczas opracowania schematu zrobotyzowanego wytwarzania grupy, które pracowały z okręgami, wymagały większego wsparcia wykładowcy w zakresie definiowania płaszczyzn. O ile studenci z łatwością opanowali bardziej intuicyjne ruchy PTP i LIN, o tyle definiowanie znacznie trudniejszej trajektorii ARC stanowiło próg, którego nie zdołali samodzielnie pokonać. Jako ćwiczenie pośrednie między testami manualnymi a konstruowaniem skryptu rozważono wprowadzenie funkcji ręcznego prowadzenia ramienia (hand-guiding). Proces ten polegałby na ręcznym wodzeniu robota w celu rejestracji ścieżki, co eliminowałoby potrzebę wyznaczania płaszczyzn. Podejście wpisujące się w metodę uczenia przez doświadczanie mogłoby stanowić pomost między intuicją manualną a abstrakcją parametryczną.

Porównanie dwóch metod prowadzenia zajęć ujawniło istotną różnicę w ich skuteczności. W modelu, w którym studenci samodzielnie opracowywali rozwiązanie, a prowadzący dokonywał jedynie korekt, uczestnicy zdołali skonstruować przynajmniej częściowo poprawne skrypty. Obserwacja ta skłania do wdrożenia na stałe tej metody w kolejnych edycjach jako znacznie efektywniejszej w kształtowaniu samodzielności.

Testy wytwarzania robotycznego

Mimo wymienionych wyżej trudności większość studentów podczas testów procesu w niewielkim stopniu wymagała wsparcia prowadzącego. Uczestnicy samodzielnie analizowali i korygowali błędy w definicji. Głównym wyzwaniem pozostała struktura danych, której trudność wynikała z abstrakcji tego zagadnienia. Tematyka ta jest omawiana szerzej w kolejnym semestrze. Doświadczenia z wcześniejszych edycji wykazały, że zbyt wczesne wprowadzanie tego terminu wywołuje dezorientację, stąd decyzja o pozostawienie zagadnienia na dalszy etap kształcenia.

Eksploracja możliwych rozwiązań

W końcowym etapie projektu uczestnicy swobodnie eksplorowali przestrzeń możliwych rozwiązań. Zaobserwowano zróżnicowanie celów projektowych między zespołami. Część grup dążyła do precyzji odwzorowania grafiki i optymalizacji algorytmicznej, traktując skrypt jako narzędzie korekty. Inne grupy wykorzystywały zmianę parametrów jako metodę generatywnego poszukiwania nieoczekiwanych rozwiązań.

Struktura zajęć

Wnioski z ewaluacji i obserwacji zajęć wykazały potrzebę zmiany ich formuły na warsztatową, co powinno pozwolić na rozwiązanie większości zidentyfikowanych problemów.

Zakończenie

Niniejsze studium przypadku dowodzi, że robot przemysłowy w przestrzeni edukacji projektowej może pełnić funkcję medium badawczego. Elastyczność ramienia robotycznego umożliwia szybką adaptację i precyzyjne, oparte na parametrach testowanie. Taki model pracy przekształca postawę biernego wytwarzania na aktywne badanie procesu. Studenci porzucają weryfikacyjne pytanie „Czy to zadziała?” na rzecz spekulatywnego „Co się stanie, jeśli…?”. Obserwacje z zajęć potwierdzają, że konieczność zaprogramowania maszyny zmusza twórcę do dekonstrukcji wiedzy milczącej i jej eksplicytacji w formie schematu algorytmicznego. Etap testowania skryptu napędza mechanizm refleksji w działaniu. Każda iteracja definicji parametrycznej może generować nieoczekiwany wynik, który staje się punktem wyjścia do kolejnej korekty i pogłębionego rozumienia procesu. Opisana metodyka otwiera przestrzeń do poszukiwań w innych obszarach rzemiosła i sztuki opartych na wiedzy ucieleśnionej.

W przyszłości projektanci być może nie będą programować trajektorii ruchu robota. Niemniej znajomość procesów robotycznych pozwala im zgłębić zasady funkcjonowania współczesnego przemysłu. Designerzy, którzy rozumieją narzędzia wytwarzania, potrafią nie tylko z nich korzystać, lecz również je kształtować.