Suchen

Greifsysteme Wie Greifer selber greifen lernen

| Redakteur: Karin Pfeiffer

Aufnahme- und Ablagepositionen, Geometrien, die jeweiligen Greifparameter – bislang eine rein manuelle Aufgabe. Das ändert sich offenbar: Künftig sollen Greifsysteme ihre Greifaufgaben selbst erledigen. Die Experten von Schunk zeigen erste Lösungen.

Firma zum Thema

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

Bislang mussten die Aufnahme- und Ablagepositionen von Werkstücken, die Geometrien und auch die jeweiligen Greifparameter stets manuell definiert werden. Das soll sich ändern: Industrielles Greifen steht vor einem grundlegenden Wandel. Künftig sollen Greifsysteme unterschiedlichste Greifaufgaben erledigen - und eigenständig greifen lernen. Die Greifsystemspezialisten von Schunk zeigen erste Lösungen.

In der smarten Fabrik von morgen gilt Plug & Work als ein entscheidendes Merkmal. Und so steht auch das industrielle Greifen vor einem grundlegenden Wandel: Was auf der mechanischen Seite bereits erfolgreich realisiert ist, soll künftig auch in puncto Greifprozesssteuerung möglich sein. Die Spezialisten in den Smart Labs bei Schunk in Lauffen/Neckar haben Lösungswege entwickelt, wie Roboter und andere Handhabungssysteme Greifaufgaben autonom oder teilautonom erledigen können – und zwar konsequent vom Greifen her gedacht. Anstatt Positionen, Geschwindigkeiten und Greifkräfte Schritt für Schritt einzeln zu definieren, werden intelligente Greifsysteme künftig ihre Zielobjekte über Kameras erfassen und die Greifplanung selbstständig übernehmen.

Dafür will Schunk Greifsysteme auf der Grundlage von Datenbeständen und Algorithmen in die Lage versetzen, Gesetzmäßigkeiten zu erkennen und entsprechende Reaktionen abzuleiten. Darüber hinaus arbeitet die Forschung bei Schunk an Algorithmen, um unterschiedliche Geometrien und Anordnungen zu klassifizieren und optimale Greifstrategien zu entwickeln.

Das Zielbild ist ein lernender Komponentenverbund auf Basis einer 3-Schichten-Architektur aus Motion Controller, Grasp Controller und Services. Nach innen komplex aufgebaut wird der Verbund nach außen eine größtmögliche Bedienerfreundlichkeit ermöglichen, so der Plan.

Greifer übernehmen die Greif- und Bahnplanung

Wie das gelingt, zeigt Schunk anhand unterschiedlicher Pilotanwendungen aus seiner Technologie-Fabrik. So werden beispielsweise in einer Smart-Gripping-Applikation unterschiedliche Bauteile allein über den Greifer unterschieden.

Vergleichbar mit einer tastenden Hand erfasst der Greifer die Geometrie und Beschaffenheit der Teile, um sie zu greifen und zuzuordnen.

In einer zweiten Anwendung werden zufällig angeordnete Teile über eine Kamera identifiziert, autonom aus einer Transportbox gegriffen und einem Bearbeitungsprozess zugeführt. Die ermittelten Informationen zum Bauteil gibt das System an nachfolgende Stationen weiter, sodass beispielsweise ein intelligenter Kraftspannblock in die Lage versetzt wird, seinen Hub und die Greifkraft automatisch auf das folgende Teil abzustimmen. Künftig, so die Botschaft des baden-württembergischen Greifspezialisten Schunk, werden Greifer nicht nur greifen, sondern im Zusammenspiel mit 2D- und 3D-Kameras die komplette Greifplanung übernehmen und auch noch mit vor- und nachgelagerten Komponenten kommunizieren.

In einem weiteren Use Case, der Ansätze des Machine Learning zur Klassifikation von Werkstück- und Greifprozess aufgreift, werden steckbare Bauklötze beliebig kombiniert und einem Leichtbauroboter in beliebiger Anordnung auf einer Arbeitsfläche zum Abtransport vorgelegt.

Bereits nach einigen wenigen Trainingsrunden klassifiziert das System, wie mit dem Wertevorrat an Werkstücken und den sich daraus ergebenden verschiedenen Kombinationsmöglichkeiten umzugehen ist. Hierbei verlässt sich der Greifer auf gelernte Erfahrungswerte, wie das handzuhabende Werkstück auf beste Weise aufzunehmen und zu transportieren ist.

Greifsysteme untereinander: Lernerfahrungen teilen

Dabei interagiert die Kamera, die das Szenario erfasst, direkt mit dem Greifer und leitet den Roboter ans Ziel. Bereits nach wenigen Wiederholungen ist das System fähig, zukünftige Kombinationen und Anordnungen selbstständig zu klassifizieren und autonom zu agieren.

Besondere Attraktivität gewinnen die Technologien durch die Möglichkeit, die gewonnenen Lernerfahrung beispielsweise mit anderen, vergleichbar eingesetzten Greifsystemen in einem Produk­tionsnetzwerk oder standortübergreifend zu teilen, beispielsweise über Cloudlösungen.

Ist das Objekt bereits bekannt, wird automatisch der jeweils optimale Griff eingeleitet. Ist es nicht bekannt, wird es vom Kamerasystem erfasst und on-the-fly, also ohne das Speichern von Daten ermittelt, wie es bestmöglich gegriffen wird. Die realisierten Lernerfahrungen wiederum fließen unmittelbar in das System ein und erweitern die entsprechende Bibliothek der Greifstrategien.

(ID:46562234)