Dank KI lernen Roboter das Montieren
Mehrwerte der Automatisierung
Für Montageaufgaben ist die flexible Roboterprogrammierung bislang noch aufwendig. Dies zu verbessern, ist das Ziel des Forschungsprojekts »Rob-aKademI«. Die darin genutzten Technologien, allen voran das Maschinelle Lernen, sollen die Programmierung erleichtern und autonomer machen.
Die Partner im Forschungsprojekt »Rob-aKademI«, darunter das Fraunhofer IPA und das Institut für Industrielle Fertigung und Fabrikbetrieb IFF der Universität Stuttgart, entwickeln Technologien, die die Roboterprogrammierung für Montageaufgaben vereinfachen und mehr automatisieren sollen. Grundlage hierfür ist ein rein digitales Abbild, also ein digitaler Zwilling, der Produktionsumgebung. Dieses Abbild verbunden mit einem speziellen Programmiergerüst wird in einer physikalischen Simulationsumge-bung genutzt, damit Roboter Fähigkeiten für das flexible Montieren lernen.
Sie erkunden in der Simulationsumgebung autonom ihre Umgebung, planen darauf aufbauend ihr Verhalten und optimieren es selbstständig bzw. lernen fortlaufend. Genutzt wird hierfür Künstliche Intelligenz (KI), und genauer Maschinelles Lernen und dessen Teilgebiet des sogenannten »Reinforcement Learning« (RL). Dieses meint, dass ein Algorithmus ähnlich dem Menschen nach dem Prinzip Versuch und Irrtum lernt. Er erhält ein Belohnungssignal für eine gelungene Aktion, um schrittweise besser zu werden.
Im Projekt entstehen drei anwendungsbezogene Lernmodule, die das Expertenwissen über die Roboterprogrammierung und die auszuführende Montageoperation kapseln: Das »Perzeptionsmodul« für die Objekterkennung, das Lernmodul »Kraftgeregeltes Fügen« für robuste Fügestrategien und das Lernmodul »Schnappverbindungen« mit einem detaillierten physikalischen Fügemodell. Mit diesen Technologien werden robuste Roboterprogramme für die Übertragung der Simulationsergebnisse in die Realität erstellt.
Mithilfe dreier praxisorientierter Anwendungsfälle, der Schaltschrank-, Schalter- und Leiterplattenmontage, validieren die Projektpartner ihre Ergebnisse. Die Module für kraftgeregeltes Fügen und Schnappverbindungen bauen auf der bereits jetzt ver-fügbaren IPA-Software »pitasc« für kraftgeregelte Montageaufgaben auf und werden deren Fähigkeiten erweitern. »Rob-aKademI« adressiert mit seinen Projektzielen insbesondere die Bedarfe einer zunehmend personalisierten Produktion.
Montageanwendungen stellen aktuell noch hohe Anforderungen an die Roboterprogrammierung. Dazu zählen vielfältige und gleichzeitig anspruchsvolle, oft kraftgeregelte Prozesse, eine hohe Variantenzahl und kurze Zykluszeiten. Für viele Unternehmen und insbesondere den Mittelstand mit seinen kundenspezifischen Produkten lohnt es sich deshalb oft noch nicht, Roboter für die Montage zu nutzen, zumal nur ein Experte die Programmierung vornehmen kann.
Dabei bieten Roboter Vorteile wie die Übernahme von nicht ergonomischen, gefährlichen oder monotonen Tätigkeiten und gleichbleibende Qualität in der Aufgabenausführung. Sie können überdies ein entscheidender Wettbewerbsfaktor gerade in Hochlohnländern wie Deutschland sein. Dank zahlreicher Automatisierungs-Potenzialanalysen, die das Fraunhofer IPA bereits weltweit durchgeführt hat, kennen die Forscher die Bedarfe der Unternehmen genau und bringen diese Expertise ins Projekt ein.
Das Projekt »Rob-aKademI« ist Teil der großen Fördermaßnahme »KI01 KI in der Praxis« des Bundesministeriums für Bildung und Forschung. In der gleichen Fördermaßnahme läuft ein weiteres Forschungsprojekt vom Fraunhofer IPA: »Deep Picking« nutzt KI, um den roboterbasierten Griff-in-die-Kiste zu optimieren. Und vonseiten des IFF ist das Projekt »KI-basierte Roboterkalibrierung« (KIRK) beteiligt.
Mehr Informationen zum Fraunhofer IPA:
 |
Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA |
|
Nobelstrasse 12 |
|
70569 Stuttgart |
|
Telefon: +49 711 970-00 |
|
Telefax (Zentrale) +49 711 970-1399 |
|
www.ipa.fraunhofer.de |
War dieser Artikel für Sie hilfreich?
 |
|
|
|
|
Bitte bewerten Sie diese Seite durch Klick auf die Symbole.
Zugriffe heute: 2 - gesamt: 3204.
