Roboter erreichen präzise Hand-Augen-Koordination für komplexe Aufgaben

Obwohl Modern Machine Shop sich auf CNC-Zerspanung konzentriert, verdient die hier gezeigte Applikation Aufmerksamkeit. Betrachten Sie die Schwierigkeiten, eine Aufgabe wie das Einstecken von Ethernet-Kabeln zu automatisieren. Variablen – unterschiedliche Buchsenpositionen, unvorhersehbares Kabelbiegverhalten, nötige Kraft zum „Einrasten“ – könnten selbst den sorgfältig programmierten Roboter überfordern. Dieser Roboter ist anders: Er verzichtet auf sorgfältige Programmierung zugunsten im Wesentlichen selbstständiger Steuerung. Er passt seinen Anflug an, um einen festen Sitz zu gewährleisten – unabhängig von Ausrichtung oder Position der Buchse.

Weitreichende Implikationen

Kabelstecken beiseite: Die weiteren Implikationen, Robotern im Wesentlichen Hand-Augen-Koordination zu geben, sind nicht schwer vorstellbar. Wenn unsere mechanisierten Kollegen das können, könnten sie eines Tages CNC-Betriebe dabei unterstützen, einen Mix verschiedener Teile um aktive Entgratwerkzeuge zu manövrieren, oder Werkstücke zufällig aus Kisten ohne Raster oder Vorrichtungen zu greifen? Inspektion, Oberflächenbearbeitung, Maschinenbedienung und möglicherweise noch unentdeckte Anwendungen könnten von einem solchen System profitieren.

MIRAI: KI-gesteuerte Robotersteuerung

Entwickelt in Deutschland von Micropsi Industries, heißt das assistive Steuerungssystem MIRAI (Micropsi Industries Robotic Artificial Intelligence). Es nutzt Kameras, Kraftsensoren und ein neuronales Netz, um menschliche Sinne zu approximieren und in Echtzeit auf dynamische Umgebungen zu reagieren. Rick Schoonover, Nordamerika-Vertreter, sagt, frühe Anwendungen zeigen guten Grund, Ambitionen über die Elektronikindustrie hinaus auszuweiten.

Beispiel: Einlegen von Zahnrädern in eine Wälzfräsmaschine schonend genug, um die Lebensdauer des Dorns zu verlängern. Ein weiteres: Trimmen großer Composite-Luftfahrtstrukturen mit konstanter Kraft, unabhängig von Roboterorientierung oder -lage zur Teileoberfläche. Aktive Untersuchungen zum präzisen Greifen und Platzieren verschiedenster 3D-gedruckter Teile illustrieren das breite Potenzial für Automation von Low-Volume/High-Mix-Arbeit.

Training statt Programmierung

Programmierer „lehren“ einen MIRAI-gesteuerten Cobot nicht; sie trainieren ihn mit Skills. Der Prozess sieht ähnlich aus: Ein Mensch führt den Roboterarm wiederholt durch die Bewegungen der gewählten Aufgabe. Aber der Arm sollte das Ziel aus so vielen Richtungen und Winkeln wie möglich anfahren. Denn der Fokus dieser ML-Algorithmen liegt nicht auf dem Weg zum Ziel, sondern auf dem Ziel selbst – Kabel in Buchse. Während der Roboter sich bewegt, verarbeitet das cloud-basierte neuronale Netz den kontinuierlichen Sensordatenstrom, um ein Verständnis seiner Umgebung und der Aufgabenerfüllung zu erlangen.

„Wenn Sie einen Stift in ein Loch stecken wollen, berechnen und führen Sie keine Bewegungssequenz mathematisch aus“, erklärt Schoonover. „Wenn Sie es sehen können, können Sie es tun – es gibt keinen Pfad. Sie schauen auf den Stift, auf das Loch, und stecken ihn rein. Wenn sich das Loch bewegt, passen Sie sich an und stecken ihn trotzdem rein.“

Derzeit steuert MIRAI den Roboter nur für kritische Abschnitte eines traditionell programmierten Pfads – im Moment des Kabeleinsteckens, Greifens oder Nestens eines Teils. Ab dann bewegt sich der Roboter selbstständig basierend auf eigener „Wahrnehmung“ und dem, was er über Ziele und natürliche Umgebungsvarianz „gelernt“ hat.

Ob solche Technologie je Ihren Shopfloor erreicht oder je für mehr als Mikrobewegungen eingesetzt wird, bleibt abzuwarten. Ungeachtet dessen verändert Technologie wie MIRAI unser Verständnis von Automation: flexibel, einfach einzusetzen, und nun offenbar tolerant gegenüber Variationen – von Umgebungsstörungen bis zu Unterschieden in Teileform, -position und -geometrie.