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

Mit dem Set Robotics TXT 4.0 Base von Fischertechnik sollen sich komplexe technische Zusammenhänge aus dem Alltag im Unterricht spielerisch erlernen lassen. Vier Ergänzungssets ermöglichen darüber hinaus das Eintauchen in die Welt des autonomen Fahrens, in die Roboterprogrammierung und in das Internet of Things. ‣ weiterlesen

Anzeige

Solectric, ein Spezialdistributor für Foto- und Videoprodukte sowie Lösungen für digitale Bildung und Unterricht in Europa, hat den smarten Lernroboter mTiny von Makeblock vorgestellt.‣ weiterlesen

Anzeige

Hilpert, Vertriebspartner von Techman Robot, bietet neben den verschiedenen Cobot-Modellen auch ergänzende Optionen für die kollaborierenden Roboter an. Jetzt stehen drei neue Optionen zur Verfügung: Cobotracks ist eine Linear-Plug&Play-Lösung, mit der sich die Reichweite des kollaborierenden Roboters erweitern lässt. Die Lösung ermöglicht es, alle Cobots der TM-Serien über eine lineare Schiene zu bewegen. Die Linearachse ist in Stahl oder Aluminium erhältlich und kann sowohl horizontal als auch vertikal eingesetzt werden. ‣ weiterlesen

Die flexible und kompakte Palettierzelle der MRZ-Serie von De Man Automation+Service eignet sich für einen unkomplizierten Einstieg in die Roboterpalettierung. Sie ist derzeit unter anderem bei der Firma Jens Rosnerski im Einsatz. Dort stapelt sie Säcke mit Kies auf Europaletten. ‣ weiterlesen

Anzeige

Für das Handling von mehrlagig gestapelten, chaotisch abgelegten Bauteilen hat Wickert Maschinenbau einen kompakten, rüstfreien Multifunktionsgreifer entwickelt. In der Anwendung wird der Greifer durch Kameras und ein Bildverarbeitungssystem unterstützt.‣ weiterlesen

Anzeige

Prozesse zu automatisieren ist auch im Bereich der Aluminiumbearbeitung der Weg in die Zukunft. IMA Schelling bietet für Betriebe, die Platten mit sehr hohen Gewichten zuschneiden, eine neue Kombination aus Säge und Roboter an.‣ weiterlesen