Auf seiner Demonstrationsfläche zeigt das Fraunhofer-Institut für Produktionstechnik und Automatisierung (Halle A4, Stand 421) eine Roboternavigation: Mobile Roboter sind über die Cloud miteinander vernetzt, kartieren ihre Umgebung kooperativ und planen ihre Routen mit Hilfe des virtuellen Abbildes der Produktion (Digitaler Schatten). Spontan auftretende Hindernisse umfahren sie mit dem vorgegebenen Sicherheitsabstand, ohne dass es zu Staus oder Kollisionen kommt.
Weitere Vorteile der Cloud Navigation für Industrie-4.0-Architekturen sieht man nur mit einer Augmented-Reality-Brille: Damit sieht man, dass die eigentliche Demonstrationsfläche deutlich größer ist. Virtuelle Roboter fahren in angrenzenden Bereichen des Messestands herum und weichen Standbesuchern aus, die ihre Bahn kreuzen, ohne es zu ahnen.
Der Sinn hinter dieser Demo: Mit den Daten, die die Cloud Navigation mittels mobiler Roboter und weiterer Sensoren zusammenträgt, lassen sich in Echtzeit Materialflüsse simulieren, die der Realität viel näher kommen als das bisher möglich war. Zeit- und kostenintensive Praxistests mit Robotersystemen sind nicht mehr nötig.
Auch die automatisierte Handhabungstechnik wird immer effizienter, beispielsweise mit der Software BP3, die dem „Griff-in-die-Kiste“ zu Grunde liegt. Dank verbesserter Algorithmen und neuer Sensortechnik können Industrieroboter nun sogar flache, unsortiert gelagerte Blechteile erkennen und greifen. So werden Informationen der 3D-Sensoren optimal genutzt. Die neue, intuitive Benutzeroberfläche erleichtert und beschleunigt die Programmierung so sehr, dass sich die Investitionskosten für eine Handhabungszelle schon nach zwei Jahren amortisieren.
Mithilfe des maschinellen Lernens werden die Objekterkennung und die Vereinzelung ungeordnet herumliegender Bauteile derzeit immer weiter verfeinert. Im Forschungsprojekt Deep Grasping entsteht aktuell eine virtuelle Lernumgebung. Darin üben Roboter bereits vor ihrer Inbetriebnahme unterschiedlichste Greifprozesse an den Werkstücken, mit denen sie später im operativen Betrieb arbeiten sollen. Neuronale Netze lernen aus diesen simulierten Griffen und verbessern ihr Prozesswissen kontinuierlich.
Hier finden Sie mehr über:
