Anzeige
Anzeige
Anzeige
Anzeige

Künstliche Intelligenz für das Greifen unbekannter Bauteile

Intelligenter Griff

Moderne Lösungen für das Robotergreifen umfassen Machine-Learning-Methoden, die auch das sichere Greifen unbekannter Werkstücke mit variablen Geometrien ermöglichen. Das befähigt Industrieroboter, Objekte zu erkennen, zu lokalisieren und schließlich zu greifen.

 (Bilder: Gestalt Robotics GmbH)

Nachvollziehbarkeit von KI-Entscheidungen (hier Detektion) mit dem Net-Inspector von Gestalt Robotics (Bilder: Gestalt Robotics GmbH)

Moderne Industrieroboter erweitern mithilfe von Sensorik und künstlicher Intelligenz ihr Anwendungsspektrum. Fernab von statisch programmierten Anwendungen, die sich nicht ohne manuelle (Re-)Programmierung veränderten Anforderungen anpassen, ergeben sich speziell durch moderne Bildverarbeitung in Kombination mit Machine-Learning-Verfahren neue Möglichkeiten. Die resultierenden Applikationslösungen passen sich automatisch an veränderte Werkstückgeometrien und Ablagepositionen an und lassen sich über intuitive Bedienoberflächen in wenigen Schritten erweitern. Somit entstehen flexible Produktionssysteme, die dem industriellen Bedarf hinsichtlich kleiner Losgrößen und Produktindividualisierung genügen sowie dem Fachkräftemangel begegnen. Moderne Lösungen für das Robotergreifen umfassen Machine-Learning-Methoden, die auch das sichere Greifen unbekannter Werkstücke mit variablen Geometrien ermöglichen. Das befähigt Industrieroboter, Objekte zu erkennen, zu lokalisieren und schließlich zu greifen. Es werden hierfür keine kostspieligen Sensorsysteme, CAD-Modelle oder andere Informationen benötigt. Gestalt Robotics bietet die Entwicklung von passgenauen Softwaremodulen (englisch Skills) zum flexiblen Robotergreifern unter Berücksichtigung verschiedener Sensor- und Greifprinzipien, z.B. mechanische Finger- und Backengreifer sowie Saug- und Magnetgreifer. Neben freiliegenden Objekten lassen sich mit Visual-Servoing-Technologien auch Objekte in Bewegung greifen. Zudem lässt sich flexibles Bin Picking in entsprechenden Skills umsetzen.

 (Bild: GESTALT Robotics GmbH)

Semantisches Interface zum flexiblen Greifen durch Objekterkennung (links) und KI-gestützter Greifpunkterkennung (unten rechts) (Bild: Gestalt Robotics GmbH)

Adaptives Greifen mit CNNs

Die eingesetzten KI-Module zum adaptiven Greifen basieren auf neuronalen Netzwerken unter Verwendung von 2,5D-Kamerabildern. Auf Basis vortrainierter Netze lassen sich spezifische Skills für das sichere Greifen individueller Bauteilgruppen erstellen, z.B. Behälter oder Schrauben. Ohne Vorwissen über die Positionierung und die genauen Maße der Bauteile sind die neuronalen Netze in der Lage, automatisch sichere Greifposen für den Roboter zu bestimmen. Spezifische Greifprinzipien sowie individuelle Greifparameter, wie z.B. der Hub, werden beim Training der Netzwerke berücksichtigt. Mit Hilfe von selbst entwickelten Werkzeugen, Methoden und Standards ermöglicht Gestalt Robotics den Einsatz von künstlicher Intelligenz im industriellen Umfeld. Zur Sicherung der Nachvollziehbarkeit wurde gemeinsam mit Partnern die DIN SPEC92001-1 definiert. Diese verfolgt das Ziel, die Qualität von KI-Methoden anhand eines einheitlichen Konzepts zu sichern. Relevante Qualitätsaspekte werden über den gesamten Lebenszyklus von KI-Modellen hinweg ganzheitlich betrachtet und miteinander in Verbindung gebracht.

KI-Skills aus dem Baukasten

Die Basis für die passgenaue Umsetzung von flexiblen Robotikanwendungen stellt das nahtlose Zusammenspiel verschiedener Technologien aus den Bereichen der Steuerung, KI und Nutzerinteraktion dar. Mithilfe eines Baukastensystems und grafischer Programmierung lassen sich diese passgenau kombinieren und vernetzen. Das flexible Greifen lässt sich somit im Handumdrehen mit einem Skill für die kollisionsfreie Handhabung kombinieren, um die gegriffenen Teile auch in dynamischen Umgebungen sicher am Ziel abzulegen. Weiterführend lassen sich über KI-Skills zur Bauteildetektion auch bei Bedarf nur spezifische Bauteilgruppen oder -klassen greifen.

Künstliche Intelligenz für das Greifen unbekannter Bauteile
Bilder: Gestalt Robotics GmbH


Empfehlungen der Redaktion

Das könnte Sie auch interessieren

Bei der Firma Karl Storz entstehen seit 2021 automatisiert Okularmuscheln für Endoskope. Der konkrete Prozess, für den ein neues Schweißsystem nötig war, bestand aus der Verbindung einer Edelstahlhülse mit dem in einen Edelstahlring gefassten Deckglas. Beide sind Teil der sogenannten Okularmuschel des Endoskops. Es ermöglicht dem Chirurgen bei endoskopischen Eingriffen freie Sicht in Hohlorgane bzw. Körperhöhlen. Um den Schweißprozess zu automatisieren, entschied sich das Unternehmen für das 3D-Laserschweißsystem TruLaser Station 7000 von Trumpf. Der verantwortliche Integrator WBT Automation wählte den Kuka-Roboter KR Agilus vom Typ KR10 R1100 aus, um mit seiner Lasersensorik die Position der Bauteile zu überprüfen. ‣ weiterlesen

Anzeige

Im Warenein- und -ausgang bei TTI, einem Distributor für elektronische Bauteile, kommen neben einem selbst fahrenden Gabelstapler auch autonome mobile Roboter von Mobile Industrial Robots zum Einsatz. Sie transportieren große Wannen, leichte Kunststoffboxen und sperrige Regale und sorgen dabei für möglichst geringe Wegzeiten für die Mitarbeiter, die sich damit voll und ganz auf ihre Arbeit konzentrieren können. Bei der Auswahl der passenden Lösungen, dem Aufbau der Automatisierungsanlage sowie beim Support während der Implementierung und darüber hinaus standen die Automatisierungsexperten von Jugard+Künstner mit Rat und Tat zur Seite.‣ weiterlesen

Anzeige

Das Unternehmen 6 River Systems, mittlerweile Teil von Shopify, hat den autonomen Kommissionierroboter Chuck entwickelt, um Fullfillment-Prozesse im Lager zu beschleunigen. Der Roboter ist bereits bei Unternehmen wie XPO Logisitics, Oacksize oder Crocs im Einsatz. Jürgen Heim, Global Account Director von 6 River Systems, spricht im Interview mit ROBOTIK UND PRODUKTION über den Einsatz von künstlicher Intelligenz, maschinellem Lernen und Sensoren, aber auch über weitere Einsatzmöglichkeiten und geplante Entwicklungen.‣ weiterlesen

Anzeige

Mit seiner neuen Cobot Transport Unit (CTU) bietet Rollon eine anwenderfreundliche All-in-One-Lösung für die Arbeitsraumerweiterung von UR-Robotern. Das Komplettpaket bestehend aus Linearachse, Steuerung und Software ist UR+-zertifiziert, individuell konfigurierbar und leicht zu bedienen.‣ weiterlesen

Anzeige

Eine automatisierte Lösung von SMC sorgt als Herzstück eines Lackierroboters von Kawasaki Robotics für die präzise und zuverlässige Steuerung des Lackierequipments und hält den Kosten- und Installationsaufwand gering. Die mit IO-Link ausgestattete Komplettlösung sorgt für die zuverlässige Kommunikation zwischen dem Roboter und den Steuerungskomponenten - sowohl für die präzise Drucküberwachung und -regelung wie auch die Bereitstellung von Druckluft durch Magnetventile auf der Ventilinsel.‣ weiterlesen

Im Lager der Pepsi-Niederlassung in Jordanien kommt der Kuka-Roboter KR 700 PA in der Palettierung zum Einsatz. Er stapelt Softdrinks in verschiedener Form und Größe auf dieselbe Palette. Der Konzern führt mehr als 500 Produktvarianten seiner 23 Marken wie Lipton, 7UP und Pepsi selbst, und das in verschiedenen Größen. Eine Herausforderung für jeden Roboter, der die Pakete greifen und präzise ablegen muss.  ‣ weiterlesen