Anwendungen und Services für die automatisierte Produktion
Der Agrarroboter Curt, den der Wissenschaftler Kevin Bregler und sein Team entwickelt haben, dient der mechanischen Beikrautregulierung. Er soll dafür sorgen, dass weniger Pestizide im Pflanzenschutz eingesetzt werden müssen, ein Komplettverzicht auf Herbizide sogar möglich werden kann und damit eine ökologisch wie ökonomisch verträgliche Landwirtschaft entsteht.
Bild: Fraunhofer IPA/Foto: Rainer Bez)
Das Exponat zeigt ein Robotersystem, dessen Hard- und Software vollständig am Fraunhofer IPA entwickelt worden sind. Eine wichtige Hardwarekomponente ist z.B. der Manipulator, der das Beikraut energieeffizient und umweltschonend entfernt. Softwareseitig sind insbesondere die Navigation und die Bildverarbeitung wichtige Funktionen. So kann der Roboter auch bei schwierigen dynamischen Bedingungen auf den Feldern autonom und sicher seinen Weg finden sowie einzelne Pflanzen, Pflanzenreihen und das zu entfernende Beikraut erkennen.
Schlauer montieren
Der Pitasc-Systembaukasten zur Programmierung kraftgeregelter Montageprozesse zeigt, wie bisher manuell ausgeführte Prozesse wie das Klipsen, Nieten oder Schrauben wirtschaftlich sinnvoll automatisierbar sind. „Bisher war es erforderlich, ein Robotersystem für jede Anwendung weitgehend neu zu programmieren. Mit unserer Software sind einmal modellierte Aufgaben schnell auf neue Produktvarianten, Produkte und sogar auf Roboter anderer Hersteller übertragbar, indem lediglich die Parameter angepasst werden“, sagt Frank Nägele, Leiter der Gruppe Roboterprogrammierung und -regelung am Fraunhofer IPA. Die Software ist ähnlich einem Baukastensystem strukturiert und ermöglicht, Montageprozesse modular zu programmieren: Sie enthält viele vorgefertigte und wiederverwendbare Programmbausteine, die bei der Einrichtung eines Robotersystems individuell zusammengestellt werden können.
Lernende Roboter
Mit dem Exponat AI Picking zeigt das Fraunhofer IPA, wie maschinelle Lernverfahren und Simulationen die Anwendung hinsichtlich Autonomie und Leistungsfähigkeit verbessern können. Die Wissenschaftler führen das am Beispiel eines Roboters vor, der Objekte aus undefinierter Lage aus einer Kiste oder von einer Palette greift. Der Roboter wurde bereits in der Simulation umfassend trainiert und dieses Wissen dann auf die reale Anwendung übertragen. Greifposen und -strategien werden basierend auf diesem Wissen automatisch generiert und bewertet. Eine intuitive Bedienoberfläche komplettiert die Anwendung.
