Forschungsprojekt für KI basierte Roboter Kalibrierung

Ziel von Kirk, einem Forschungs- und Entwicklungsprojekt zur KI-basierten Roboter Kalibrierung ist es, neue softwaregetriebene Kalibriermethoden von Industrierobotern durch Maschinelles Lernen zu entwickeln und deren Genauigkeit zu erhöhen. Initiatoren des Gemeinschaftsprojekts sind die Universität Stuttgart, die DHBW Karlsruhe und Artiminds Robotics.

Industrieroboter bieten eine präzise und zuverlässige Prozessausführung. Für die nötige Genauigkeit müssen die Roboter in regelmäßigen Abständen individuell nachkalibriert werden. Dies ist kosten- und zeitintensiv und bedeutet vor allem für kleine und mittlere Unternehmen (KMU) einen erheblichen Mehraufwand. Zudem kommen zunehmend mehr preiswerte Roboterarme auf den Markt, die mechanisch bedingt potentiell noch größere Ungenauigkeiten in der Positionierung aufweisen.

ESD zertifizierte Roboter zur Handhabung von Elektrobauteilen

Mit derzeit verfügbaren Kalibriermethoden lassen sich nur Geometriefehler korrigieren. Temperatur- oder lastabhängige Ungenauigkeiten können beispielsweise nur ungenügend ausgeglichen werden. Auch ist die für einen nachhaltigen Optimierungsprozess wichtige Nachkalibrierung von Robotern im laufenden Betrieb unrealisierbar.

Softwaregetriebene Roboterkalibrierung für die Praxis

Die drei Forschungspartner wollen diese Lücken um die Roboterkalibrierung nun schließen. Durch Maschinelles Lernen sollen neue softwaregetriebene Kalibriermethoden für die Praxis entwickelt werden.

Darko Katic, technischer Ansprechpartner für das Kirk Projekt und Teamleiter KI bei Artiminds erklärt: „Die Möglichkeit, Daten automatisiert zu erfassen und zu analysieren, verringert den Aufwand für den Anwender und erleichtert es insbesondere den KMU die nötige Kompetenz aufzubauen, um einen Roboter optimal zu nutzen.“

Mit dem Ziel, die Genauigkeit softwaregestützt zu erhöhen, sollen Roboter für ein breites Anwendungsfeld flexibel Einsatz finden. Arbeitsabläufe sollen durch eine Robotertyp- und herstellerunabhängige Lösung vereinfacht und Fachpersonal zeitlich entlastet werden.

Neuronale Netze 

„Die Basis, um die komplexen Zusammenhänge aus äußeren Faktoren sowie den zeitlich veränderlichen Eigenschaften des individuellen Roboters beherrschbar zu machen und so die Positioniergenauigkeit zu erhöhen, bilden die tiefen neuronalen Netze (Deep Learning)“, kommentiert KI-Forscher Prof. Marco Huber vom IFF der Uni Stuttgart.

Das Institut für Industrielle Fertigung und Fabrikbetrieb (IFF) der Universität Stuttgart und das Robot-and-Human-Motion-Lab (RaHM-Lab) der Dualen Hochschule Baden-Württemberg Karlsruhe übernehmen im Projekt die Grundlagenforschung. Gemeinsam mit Artiminds als Industriepartner werden die Ergebnisse der Forschung auf reale industrielle Anwendungen übertragen. Abschließend sollen die neuen Methoden in die Software zur Roboterprogrammierung Robot Programming Suite (RPS) integriert werden. Ende des Projekts ist für Frühjahr 2022 geplant.

CNC + Roboterprogrammierung auf einer Plattform