LAB20 - HaptXDeep

Robotersysteme für die innovative Fertigung müssen sich schnell und flexibel an veränderte Anforderungen, Produktdesigns, Materialien und Lieferanten anzupassen, ohne eine aufwendige Neuprogrammierung. Das Aufkommen des lernenden Roboters erweitert den Bereich möglicher Anwendungen, die bisher jenseits der Möglichkeiten konventioneller Automatisierungstechniken lagen. Jedoch steht die Robotik vor der Herausforderung, die langen Lernphasen zu verkürzen, ohne Abstriche bei Sicherheit und Zuverlässigkeit zu machen. Durch den Einsatz innovativer Technologien können Roboter menschenähnliche Fähigkeiten erlernen und ihre Anpassungsfähigkeit auf sichere Weise beschleunigen.

Ziel

Ziel dieses Projekts ist die Entwicklung eines Robotergreifsystems, das menschenähnliche Fähigkeiten erlernen kann. Die rasante Entwicklung neuer Technologien führte zur kontinuierlichen Entwicklung einer neuen Generation von Industrieprodukten und Werkzeugen. Die Anpassung des Roboters zur effizienteren Handhabung neuer Objekte kann daher durch die Übertragung von menschenähnlichen Fähigkeiten in seinen Lernprozess erfolgen. Ein weiterer Schwerpunkt des Projekts ist die konsequente Bewertung der Sicherheit und Zuverlässigkeit dieser anpassungsfähigen Roboter. Um das Risiko gefährlicher Ereignisse zu minimieren, werden proaktive Methoden zur Fehlervorhersage eingesetzt.

Vorgehen

• 6-achsiger Cobot mit Roboterhand als Greifer als Demonstrator.
• Implementierung von Imitation Learning und eines Deep Reinforcement Learning-Systems für das Robotergreifen.
• Einsatz von Digitaler Zwilling-basierter Fehler Injektion, Deep Learning-basierter Anomalie-Erkennung und KI-basierter Fehlervorhersage.

Nutzen

Die Umrüstzeit auf neue Bauteile verkürzt sich, da der Roboter sich selbst oder mit minimaler menschlicher Hilfe anpasst. Die ferngesteuerte Anleitung des Roboters ermöglicht die Aufgabenerfüllung in sicherheitskritischen Bereichen.