Kognitive Robotik – intelligente Softwarelösungen für adaptive Robotersysteme

Die Abteilung Robotersysteme des Fraunhofer IFF entwickelt innovative KI-Lösungen für die Automatisierung komplexer Prozesse wie z.B. die Montage und Demontage im industriellen Umfeld oder die Handhabung von Objekten im Pflegebereich. Unsere Technologien ermöglichen es Robotern, zuverlässig auf Veränderungen zu reagieren und sich an neue Aufgaben anzupassen. Damit erschließen wir Anwendungsfelder, die bisher der konventionellen Robotik verschlossen blieben. Diese ist auf spezifische, eng definierte Aufgaben beschränkt und verfügt nicht über die Flexibilität, sich an neue oder unvorhergesehene Umstände in der Umgebung oder am Arbeitsplatz anzupassen.

Als Antwort auf diese Herausforderungen entwickeln wir neue KI-basierte Technologien, um Robotern die notwendigen kognitiven Fähigkeiten zu verleihen, um in komplexen, sich verändernden Umgebungen autonom zu agieren. Ermöglicht wird dies durch eine adaptive, KI-basierte Generierung der Roboterbewegung während der Ausführung. Dabei wird zu jedem Zeitpunkt der aktuelle Zustand des Prozesses und der Umgebung erfasst und eine optimale Handlung daraus abgeleitet. Dies eröffnet völlig neue Einsatzfelder für Roboteranwendungen, die heute mit herkömmlichen Programmiermethoden nicht umsetzbar sind. Der Roboter erlangt die Fähigkeit, die Umgebung zu verstehen, Entscheidungen zu treffen, Probleme eigenständig zu lösen und aus Erfahrungen zu lernen. Dazu vereinen wir Erkenntnisse und Methoden aus verschiedenen Disziplinen wie Künstliche Intelligenz, maschinelles Lernen, Regelungstechnik und Computer Vision.

Ein zentraler Schwerpunkt bei der Entwicklung KI-basierter Roboterbewegungen liegt in der Erzeugung der notwendigen Trainingsdaten. Moderne KI-Systeme benötigen eine große Menge an Trainingsbeispielen, um robuste und generalisierbare Fähigkeiten zu entwickeln. Bei diesem Datenumfang wäre ein direktes Training am physischen Roboter nicht nur zeitaufwändig und kostenintensiv, sondern würde auch das Risiko von Beschädigungen durch Fehlverhalten bergen. Aus diesem Grund nutzen wir moderne Simulationsumgebungen, in denen das Robotersystem, dessen Umgebung und der Prozess nachgebildet werden. Dies ermöglicht ein effizientes und sicheres Training der KI-Modelle mit einer praktisch unbegrenzten Anzahl von Szenarien und Varianten. Allerdings besteht zwischen Simulation und Realität stets eine gewisse Abweichung, die sogenannte Sim2Real-Lücke. Unsere Forschung konzentriert sich daher auf Methoden, diese Lücke zu schließen. Durch einen gezielten Einsatz von simulierter Varianz erzeugen wir robuste KI-Modelle, die mit diesen Abweichungen umgehen können. Die erfolgreiche Übertragung von der Simulation in die Realität (Sim2Real-Transfer) konnten wir zahlreichen praxisrelevanten Anwendungen nachweisen.

In einem aktuellen Forschungsprojekt demonstriert wir die Leistungsfähigkeit unserer KI-basierten Bewegungsgenerierung für Roboter am Beispiel der automatisierten Demontage von Elektroaltgeräten. Diese Aufgabe stellt besondere Anforderungen an die Flexibilität und Adaptivität der Robotersteuerung, da weder die zu demontierenden Produkte noch deren Zustand im Voraus im Detail bekannt sind. Diese Vielfalt macht eine klassische, regelbasierte Programmierung praktisch unmöglich. Aus diesem Grund setzen wir auf Methoden des Reinforcement Learning und Imitation Learning, die es ermöglichen, aus Erfahrungen zu lernen. Die daraus resultierenden Möglichkeiten werden im folgenden Video am Beispiel der automatisierten Entnahme eines Mainboards aus einem PC-Gehäuse demonstriert.

Unser Leistungsangebot:

  • Entwicklung KI-basierter Roboterbewegungen für Prozesse, die mit herkömmlichen Programmiermethoden nicht umgesetzt werden konnten
  • Effiziente Erzeugung von Trainingsdaten in der Simulation und Übertragung der trainierten Modelle auf das reale Robotersystem
  • Reduktion des Integrationsaufwands von Robotersystemen in Umgebungen oder Prozessen mit hoher Varianz
  • Erhöhung der Resilienz von Robotik-Anwendungen
  • Erschließung neuer Automatisierungspotenziale für bisher nicht automatisierbare Anwendungen

Referenzen

 

Intelligente Demontage von Elektronik für Remanufacturing und Recycling

Im Projekt iDeaR entwickeln wir Lösungen für die effiziente Demontage von Elektrogeräten und für die Wiederaufbereitung und das Wiederverwertung von Materialien. Wir wollen sicherstellen, dass keine Rohstoffe verschwendet und wertvolle Ressourcen länger im Umlauf gehalten werden.

 

Robotergestützte Gesundheitsstation für ein Digital Health Ecosystem

Das Projekt Neighborhood Diagnostics zielt darauf ab, die Gesundheitsversorgung im ländlichen Raum durch ein digitales Gesundheitsökosystem zu verbessern, das dezentrale Diagnostik mittels Smartphones, intelligenten medizinischen Geräten und tragbaren Geräten ermöglicht.

 

Mobiler Assistenzroboter ANNIE

Der Assistenzroboter ANNIE ist ein vielseitiger mobiler Manipulator für industrielle und gewerbliche Anwendungen, die herkömmliche Automatisierung nicht wirtschaftlich lösen kann.

Technologien

Flexible Automatisierung für mehr Produktivität: Mit KI zum autonomen Griff in die Kiste

Im Projekt ADAPT entwickeln wir Technologien für die automatisierte Handhabung von Bauteilen in flexiblen Produktionsumgebungen. Im Fokus steht dabei die Integration modernster KI-Methoden in die Prozessschritte des Bin-Pickings, von der zuverlässigen Objekterkennung unter realen Bedingungen, über die adaptive Handhabung von Bauteilen und Verpackungsmaterial, bis hin zur Optimierung der Taktzeit durch geschickte Umorientierung des Bauteils während des Transports.

RS-Framework

Robot Control Box

Die Robot Control Box ist eine intelligente Robotersteuerung, die sich universell an jeden Industrieroboter anschließen lässt und durch modernste Algorithmen adaptive, sensorgeführte Bewegungen ermöglicht, was Integrationsaufwand und Schulungskosten reduziert. Sie erweitert die Funktionalität von Industrierobotern durch kollisionsfreie Bahnplanung, kraft- und bildgeführte Automatisierungsprozesse sowie die Nutzung von KI-Modellen.

Digitale Zwillinge für die kognitive Robotik

Digitale Zwillinge bilden den aktuellen Zustand und die Fähigkeiten eines Roboters sowie seiner Umgebung in Echtzeit ab und stellen diese Daten für höhere IT-Dienste wie KI und Computer Vision bereit. Wir nutzen sie durchgängig über den gesamten Lebenszyklus des Roboters hinweg, von Design und Produktion bis hin zu Betrieb und Recycling, und fördern damit eine agile Produktion durch vertikale und horizontale Vernetzung.

 

Taktile Sensorik für die sichere Mensch-Roboter-Kollaboration

Taktile Sensorsysteme, die dem menschlichen Tastsinn nachempfunden sind, ermöglichen die Erfassung von Berührungen und Druckverteilungen und finden Anwendung in Mensch-Maschine-Interaktionen, Prozessüberwachung und präzisem Greifen. Wir entwickeln individuelle taktile Sensorsysteme, die von Prototypen bis zu komplexen Systemen reichen, mit Hauptanwendungsfeldern in taktilen Fußböden, Roboterhäuten und Greifern.

Projekte

 

Heterogene, auslastungsoptimierte Roboterteams und Produktionsarchitekturen

Das Fraunhofer-Leitprojekt SWAP erforscht technologische Konzepte für die zukünftige Produktion, indem es modulare Fertigungseinheiten entwickelt, die in Schwärmen kollaborieren und (teil)autonom arbeiten. Ziel ist es, Fertigungsumgebungen zu schaffen, die flexibler und effizienter sind, indem sie die starren Prozessreihenfolgen traditioneller Produktionsketten auflösen.

 

Mobiler Manipulator für Materiallogistik und Handhabung

Das Projekt ISABEL entwickelt autonome Serviceroboter für die Materiallogistik und Handhabung, speziell für die Halbleiterfertigung und Life Science Automation, mit Fokus auf autonome Aufnahme- und Ablagefähigkeiten

 

Kollaborierende Roboter für den Flugzeugbau

Im Projekt VALERI werden mobile und autonome Roboter für die Flugzeugproduktion entwickelt, die gemeinsam mit Menschen arbeiten und zeitintensive sowie monotone Aufgaben übernehmen sollen. Die Roboter werden durch innovative Sensorik und Kamerasysteme sicher gemacht und können perspektivisch auch in anderen Produktionsbereichen eingesetzt werden.

 

Nachwuchsforschungsgruppe Kognitive Arbeitssysteme im menschzentrierten Arbeitsumfeld

Die Nachwuchsforschungsgruppe KaSys entwickelt ein kognitives Arbeitssystem mit autonomen Funktionen, das manuelle Handhabungs- und Fertigungsvorgänge an die individuelle Leistungsfähigkeit des Menschen anpasst.

 

Echtzeitfähige Steuerung und Regelung von mobilen Robotern

Das Projekt fast robotics ersetzte drahtgebundene Kommunikationssysteme in Robotern durch Mobilfunktechnologie, um die Verarbeitung umfangreicher Echtzeitdaten zu ermöglichen und Aufgaben auf externe Server auszulagern. Dies führte zur Entwicklung einer drahtlosen Echtzeitsteuerung für mobile Robotersysteme, welche die Fähigkeiten der Roboter verbesserte und neue Anwendungsmöglichkeiten in verschiedenen Branchen eröffnete.

 

MFLEX 2025

Im Projekt MFlex 2025 wurden flexible, mobile Robotersysteme für eine effiziente Flugzeugproduktion entwickelt. Die modularen Automatisierungslösungen sind präzise und schnell referenzierbar. Intelligente Software sorgt für einfache Programmierung und sichere Inbetriebnahme der Systeme.

 

Multimodales Bin-Picking 

Das pickit-Projekt erweitert traditionelle Bin-Picking-Systeme durch taktile Greiftechnologien, um die Erkennung und Handhabung unsortierter Teile zu verbessern. Das Projekt zielt darauf ab, über taktile Druckprofile zusätzliche Objektinformationen zu gewinnen, wodurch Greifvorgänge zuverlässiger und effizienter gestaltet werden können.

Robotergestütztes Teilehandling in industriellen Umgebungen 

Das EU-Projekt PICKPLACE kombiniert menschliche und robotische Fähigkeiten, um sichere, zuverlässige und flexible Lösungen für das Pick-and-Packaging zu schaffen.