Suchen

Schunk Autonomes Greifen

| Autor / Redakteur: Kathrin Müller / M.A. Frauke Finus

Das industrielle Greifen steht vor einem grundlegenden Wandel: Während bislang die Aufnahme- und Ablagepositionen der Werkstücke, deren Geometrie sowie die jeweiligen Greifparameter stets manuell definiert werden mussten, sollen Greifsysteme künftig selbständig unterschiedlichste Greifaufgaben erledigen.

Firmen zum Thema

Beim Smart Gripping vermessen, identifizieren und überwachen intelligente Greifer Bauteile sowie den laufenden Produktionsprozess.
Beim Smart Gripping vermessen, identifizieren und überwachen intelligente Greifer Bauteile sowie den laufenden Produktionsprozess.
(Bild: Schunk)

In der smarten Fabrik von morgen wird Plug & Work zu einem entscheidenden Merkmal. Was auf der mechanischen Seite bereits erfolgreich realisiert ist, soll künftig auch in puncto Greifprozesssteuerung möglich werden. Konsequent vom Greifen her gedacht entwickeln die Spezialisten in den Smart Labs bei Schunk Lösungswege, wie Roboter und andere Handhabungssysteme Greifaufgaben autonom oder teilautonom erledigen können. Statt Positionen, Geschwindigkeiten und Greifkräfte Schritt für Schritt einzeln zu definieren, werden intelligente Greifsysteme künftig ihre Zielobjekte über Kameras erfassen und die Greifplanung selbständig übernehmen. Auf Grundlage von Datenbeständen und Algorithmen sollen Greifsysteme in die Lage versetzt werden, 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 Greif- und Bahnplanung

Wie das gelingt, zeigt Schunk anhand unterschiedlicher Pilotanwendungen aus seiner Technologiefabrik. So werden 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, so dass beispielsweise ein intelligenter Kraftspannblock in die Lage versetzt wird, seinen Hub und die Greifkraft automatisch auf das folgende Teil abzustimmen. Künftig, so die Botschaft von Schunk, werden Greifer nicht nur greifen, sondern im Zusammenspiel mit 2D- und 3D-Kameras die komplette Greifplanung übernehmen sowie mit vor- und nachgelagerten Komponenten kommunizieren.

Gelernte Erfahrungswerte als Grundlage

In einem weiteren Use Case, der Ansätze des Machine Learning zur Werkstück- und Greifprozessklassifikation nutzt, werden steckbare Bauklötze beliebig kombiniert und einem Leichtbauroboter in beliebiger Anordnung auf einer Arbeitsfläche zum Abtransport vorgelegt. Bereits nach wenigen Trainingsrunden klassifiziert das System, wie mit dem Wertevorrat an Werkstücken und den sich daraus ergebenden Kombinationsmöglichkeiten umzugehen ist. Hierbei verlässt sich der Greifer auf gelernte Erfahrungswerte, wie das handzuhabende Werkstück auf beste Weise aufzunehmen und zu transportieren ist. 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 in der Lage, zukünftige Kombinationen und Anordnungen selbständig zu klassifizieren und autonom zu agieren.

Lernerfahrungen teilen

Besondere Attraktivität gewinnen die Technologien durch die Möglichkeit, die gewonnenen Lernerfahrung beispielsweise mit anderen, vergleichbar eingesetzten Greifsystemen in einem Produktionsnetzwerk oder standortübergreifend beispielsweise über Cloudlösungen zu teilen. 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 ermittelt, wie es bestmöglich gegriffen wird. Die realisierten Lernerfahrungen wiederum fließen unmittelbar in das System ein und erweitern die entsprechende Bibliothek der Greifstrategien.

(ID:46248414)