MTC erreicht Durchbruch bei autonomem Objekt-Greifen für Robotik

Automatisierungsexperten am Manufacturing Technology Centre haben einen Durchbruch bei unbekanntem Objekt-Greifen in der Robotik erzielt...

Der neueste Durchbruch von Automatisierungsexperten am Manufacturing Technology Centre (MTC) bedeutet, dass Robotik Objekte handhaben kann, ohne CAD-Daten oder vorgedachte Griffe zu benötigen, was schnellere Bereitstellung robotischer Lösungen ermöglicht.

„Dieses Projekt demonstriert MTCs Entschlossenheit, akademische Entwicklungen mit Potenzial zur Transformation der Robotik in der Fertigung zu adoptieren. Die Übertragbarkeit dieser Technik, neue Objekte zu greifen, wird es MTC ermöglichen, schnell mit Kundenkomponenten zu testen und Implementierungsstrategien zu beraten“, kommentierte Mark Robson, Senior Research Engineer, Robotics, MTC.

Das Projekt

Bin Picking, eine häufige Handhabungsaufgabe in Branchen, wo ein einzelnes Objekt aus einem unstrukturierten Bulk-Input separiert werden muss.

Mit traditionellen Methoden nutzen Fabriken CAD-Daten zusammen mit teuren Sensoren, um Einzelteile präzise zu identifizieren, sowie das Testen einer Reihe vorgefertigter Griffe auf Machbarkeit.

Um Zeit und Kosten zu reduzieren, hat MTC seine „State-of-the-Art“-Technik für Bin Picking demonstriert. Die Technik nutzt ein trainiertes Modell, um die beste Position für eine Vakuumsaugnapf-Platzierung zu finden, und kann mit simulierten Daten trainiert werden, um den Bedarf an arbeitsintensiver manueller Datensammlung und -beschriftung zu reduzieren.

„MTC Robotik-Ingenieure beweisen, dass Design und Entwicklung entmaterialisiert werden können in der Schaffung kosteneffizienter intelligenter Lösungen zur Automatisierung von Operationen, wo vorbestimmte Programmierung weniger machbar ist“, fügte Dr. Alejandra Matamoros, Technology Manager, MTC, hinzu.

Das Ergebnis

Die Projektionstechnik wurde von MTC an einer Reihe von Objekten getestet, einschließlich Metallkomponenten, Obst und Kosmetikbehältern.

Trainiert mit manuell beschrifteten Daten und simulierten Daten, performte die Technik gut mit 92 % bzw. 94 % erfolgreicher Greifquote.

„Die Performance des Modells, das rein auf simulierten Daten trainiert wurde, zeigte, dass dieser Ansatz eine gute Lösung ist, um die Last der Datensammlung für spezifische Use Cases zu reduzieren“, stellte MTC fest, und fügte hinzu, dass „exzellente Performance auf Items, die nicht in den Trainingsdaten vorhanden waren, zeigte, dass die Methode gut auf beliebige Items generalisiert.“

Weitere Informationen zu Fertigungsthemen – werfen Sie einen Blick in die aktuelle Ausgabe von ...

Folgen Sie uns auf ... und ...

Bildquelle