Suchen

Greifer

Selbstständiger Greifprozess durch Künstliche Intelligenz

| Redakteur: Rebecca Näther

Waren Greifprozesse bislang primär auf eine hohe Produktivität und Prozesssicherheit getrimmt, rückt in Verbindung mit der smarten Fabrik zusätzlich die Flexibilität in den Fokus. Künftig, so der Plan von Schunk, sollen Greifer flexible Operationen bis hin zu autonomen Handhabungsszenarien ermöglichen.

Firma zum Thema

Dank Künstlicher Intelligenz ist es der Schunk SVH 5-Fingerhand möglich, beliebige Objekte in beliebiger Lage zu identifizieren und autonom entsprechende Greifstrategien zu entwickeln und anzuwenden.
Dank Künstlicher Intelligenz ist es der Schunk SVH 5-Fingerhand möglich, beliebige Objekte in beliebiger Lage zu identifizieren und autonom entsprechende Greifstrategien zu entwickeln und anzuwenden.
(Bild: Schunk)

Bislang ist das industrielle Greifen vergleichsweise starr gestaltet, erklärt das Unternehmen: Die Geometrie der Teile muss bekannt sein, ebenso die genaue Aufnahme- und Ablageposition. Auf Basis wiederholgenauer Teilezuführungen soll über fest vorgegebene Verfahrwege und die Vorgabe von Zielpunktkoordinaten ein prozesssicherer Handhabungsprozess gewährleistet werden können. Im Zuge der Digitalisierung geht der Trend nun zu hochautomatisierten, vollständig vernetzten und autonom agierenden Fertigungssystemen.

Greifer mit künstlicher Intelligenz

In diesem Kontext gewinnt auch der Einsatz Künstlicher Intelligenz (KI) an Bedeutung. In Verbindung mit Kameras sind bereits erste Anwendungen kognitiver Intelligenz im Greiferumfeld möglich, die ein intuitives Trainieren durch Werker und eine selbstständige Erledigung der Greifaufgaben durch den Roboter ermöglichen. Dabei setzt man bei der Firma ganz bewusst auf eine praxis-, sprich industrienahe Gestaltung der Handhabungsprozesse, indem man die Zahl der Bauteilvariationen begrenzt und damit den Klassifikations- und Trainingsprozess verschlankt. In einem ersten Use Case, der Ansätze des Machine Learning zur Werkstück- und Greifprozessklassifikation nutzt, werden exemplarisch steckbare Bauklötze beliebig kombiniert und einem Leichtbauroboter in beliebiger Anordnung auf einer Arbeitsfläche zum Abtransport vorgelegt. Im Zusammenspiel mit 2D- oder 3D-Kameras kommt es bei dem selbstlernenden System schon nach wenigen Lernzyklen zu einem Anstieg der Zugriffssicherheit: Mit jedem Griff lernt der Greifer, wie das Werkstück erfolgreich aufgenommen und transportiert werden kann.

Greifer lernt durch fortlaufende Optimierung

Schon nach wenigen Trainingsrunden klassifiziert das Netz, wie mit dem Wertevorrat an Werkstücken und den sich daraus ergebenden Kombinationsmöglichkeiten umzugehen ist. Hierbei verlässt sich der Greifer auf gelernte Erfahrungswerte, wie das Werkstück aufzunehmen und zu transportieren ist. Die intelligente Leistung des Algorithmus besteht darin, dass bereits nach kurzer Trainingszeit zukünftige Kombinationen und Anordnungen der Werkstücke selbstständig klassifiziert werden können. So ist das System in der Lage, Teile situationsgerecht und eigenständig zu handhaben. Indem die Algorithmen fortlaufend unter Nutzung von KI-Methoden angepasst werden, soll es möglich sein, bislang unerkannte Zusammenhänge zu erschließen und den Handhabungsprozess weiter zu verfeinern.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 45768660)