Industrieroboter zeichnen sich durch eine zuverlässige und präzise Prozessausführung aus. Um die hierfür notwendige hohe Genauigkeit zu gewährleisten, müssen die Systeme in regelmässigen Abständen individuell nachkalibriert werden. Dies ist kosten- und zeitintensiv und bedeutet vor allem für KMUs einen erheblichen Mehraufwand. Darüber hinaus kommen mehr und mehr preiswerte Roboterarme auf den Markt, die mechanisch bedingt potenziell noch grössere Ungenauigkeiten in der Positionierung besitzen.
Mit aktuell verfügbaren Kalibriermethoden lassen sich nur Geometriefehler korrigieren. Temperatur- oder lastabhängige Ungenauigkeiten beispielsweise können jedoch nur ungenügend ausgeglichen werden. Auch eine Nachkalibrierung im laufenden Betrieb, die für einen nachhaltigen Optimierungsprozess wichtig wäre, ist nicht realisierbar.
Kompetenz aufbauen
Um diese Lücken zu schliessen und durch Maschinelles Lernen neue softwaregetriebene Kalibriermethoden für die Praxis zu entwickeln, haben der Robotik-Experte ArtiMinds Robotics, die Universität Stuttgart und die DHBW Karlsruhe im April 2020 das KI-Projekt KIRK gestartet.
Darko Katic, technischer Ansprechpartner für das KIRK Projekt und Teamleiter Künstliche Intelligenz bei ArtiMinds erklärt: «Die Möglichkeit, Daten automatisiert zu erfassen und zu analysieren, verringert den Aufwand für den Anwender und erleichtert es insbesondere KMUs, die notwendige Kompetenz aufzubauen, um ein Robotersystem optimal zu nutzen.» roboter für ein breites anwendungsspektrum rüsten Ziel ist es, die Genauigkeit softwaregestützt zu erhöhen, um dadurch Roboter für ein breites Anwendungsspektrum flexibel einsetzen zu können, Arbeitsabläufe durch eine vom Robotertyp und -hersteller unabhängige Lösung zu vereinfachen und Fachpersonal zeitlich zu entlasten. «Die Basis, um die komplexen Zusammenhänge aus äusseren Faktoren sowie den zeitlich veränderlichen Eigenschaften des individuellen Roboters beherrschbar zu machen und so die Positioniergenauigkeit zu erhöhen, bilden die tiefen neuronalen Netze (Deep Learning)», so der KI-Forscher Prof. Marco Huber vom IFF der Universität Stuttgart.
Roboter für ein breites Anwendungsspektrum rüsten
Ziel ist es, die Genauigkeit softwaregestützt zu erhöhen, um dadurch Roboter für ein breites Anwendungsspektrum flexibel einsetzen zu können, Arbeitsabläufe durch eine vom Robotertyp und -hersteller unabhängige Lösung zu vereinfachen und Fachpersonal zeitlich zu entlasten.
«Die Basis, um die komplexen Zusammenhänge aus äusseren Faktoren sowie den zeitlich veränderlichen Eigenschaften des individuellen Roboters beherrschbar zu machen und so die Positioniergenauigkeit zu erhöhen, bilden die tiefen neuronalen Netze (Deep Learning)», so der KI-Forscher Prof. Marco Huber vom IFF der Universität Stuttgart.
Auf reale industrielle Anwendungsfälle übertragen
Das Institut für Industrielle Fertigung und Fabrikbetrieb (IFF) der Universität Stuttgart und das Robot-and-Human-Motion-Lab (RaHM-Lab) der Dualen Hochschule BadenWürttemberg Karlsruhe übernehmen im Projekt die Grundlagenforschung. Gemeinsam mit ArtiMinds Robotics als Industriepartner werden die Ergebnisse auf reale industrielle Anwendungsfälle übertragen. Abschliessend sollen die neu entwickelten Methoden auch in die Programmiersoftware Robot Programming Suite (RPS) integriert werden. Projektende soll im Frühjahr 2022 sein.
Infoservice
ArtiMinds Robotics GmbH
Albert-Nestler-Str. 11, DE-76131 Karlsruhe
Tel. 0049 721 509 998 0, Fax 0049 721 966 94 708
contact@artiminds.com, www.artiminds.com
