Der sogenannte ‚Griff in die Kiste‘ zählt zu den schwierigsten Aufgabenstellungen in der Robotik. Ziel dieses Szenarios ist es, Roboter so zu programmieren, dass sie ungeordnete Objekte aus Kisten greifen können. Ein typischer Anwendungsfall einer solchen auch ‚Bin-Picking‘ genannten Aufgabe ist die Entnahme beliebiger Objekte und ihre Kommissionierung in der Logistik. Größtes Problem derartiger Ansätze ist meist das sichere Erkennen der unsortierten Objekte sowie der hohe Aufwand für die Programmierung der Systeme.

Mit der Vision-Systemplattform ‚robobrain.vision‘ hat das Münchner Start-up Robominds eine wirtschaftliche Lösung zur einfachen Implementierung solcher Bin-Picking-Applikationen durch Roboter entwickelt, die ohne aufwendige und damit kostspielige Programmierung auskommt. „Robobrain.vision erlaubt es Robotern, beliebige Objekte zu greifen, ohne sie vorher angelernt oder eingescannt zu haben. Diese Objekte können sich dabei auch überlappen und beliebige Oberflächen und Geometrien aufweisen“, fasst Tobias Rietzler, CEO von Robominds, zusammen.

Unterstützung durch KI

Das ‚Geheimnis‘ des Systems besteht darin, eine 3D-Stereovisionkamera, einen Industrierechner und die auf Methoden der Künstlichen Intelligenz aufbauende Lösung robobrain.vision zu kombinieren: Über die 3D-Kamera werden dabei mittels Active Infrared Stereovision zunächst hochauflösende 3D-Bilder des Arbeitsbereichs aufgenommen. Basis dafür sind zwei 2D-Kameras mit einer Auflösung von je 1920 x 1080 Bildpunkten, die 3D-Aufnahmen mit einer resultierenden Auflösung von 1280 x 720 Pixeln ermöglichen. Die 3D-Kamera ist in einem Gehäuse der Schutzklasse IP54 untergebracht und damit für einen Großteil der industriellen Einsatzfälle ausreichend geschützt.

'robobrain.vision' erlaubt es Robotern, beliebige ­Objekte zu greifen, ohne sie vorher angelernt oder eingescannt zu haben.

© Robominds

Im Anschluss an die Bildaufnahme bestimmt die integrierte Software robobrain.vision die möglichen Greifpunkte der unsortierten Werkstücke und gibt die errechneten Daten an den Roboter weiter. Dies funktioniert selbst bei wechselnden Lichtverhältnissen sowie bei neuen, unbekannten Objekten, ohne dass die zu greifenden Produkte im Vorfeld einzuscannen oder anzulernen wären.

Möglich wird diese Vorgehensweise für den Anwender durch ein einfach zu bedienendes HTML 5-Web-Interface und einen intuitiven Kalibrierassistenten, der für eine schnelle Anpassung an die vorliegende Aufnahmesituation zwischen Kamera und Roboter sorgt. Auch für die Festlegung der Region-of-Interest (ROI) steht ein eigener Assistent zur Verfügung. Auf diese Weise kann der Anwender alle Algorithmus-Einstellungen einfach anpassen.

Die in robobrain.vision integrierte Softwarelösung nutzt Methoden einer eigens entwickelten Künstlichen Intelligenz, um die vorliegenden Werkstücke automatisch zu erkennen und deren Greifpunkte zu bestimmen – unabhängig von deren Material und Form. Diese Greifpunktbewertung berücksichtigt dabei Parameter wie die Qualität des Griffs, die Wahrscheinlichkeit einer Kollision mit der Kiste sowie von Kollisionen mit anderen Objekten in der Kiste. In der Summe führt dies dazu, dass auch unbekannte Objekte ohne anleitende Lernschritte verarbeitet werden können, was die Rüstzeiten beim Wechsel der zu greifenden Produkte praktisch auf Null reduziert.

Wichtige Kameraparameter – zum Beispiel zur besseren Erkennung des Tiefenbildes – werden dabei durch das System selbst definiert. Bei der Einrichtung der Roboteraufgaben unterstützen den Anwender vorgefertigte Skript-Bausteine und Programmmodule. Die bereits vorhandenen Tools erfüllen eine Vielzahl an Aufgaben in der Robotik, die bisher nicht zum Einsatz kamen – unter anderem die Kommissionierung von Artikeln in der Intralogistik, Kitting-Applikationen (das Zusammenstellen von Objekten in Logistikzentren) oder die Vereinzelung von Schüttgut.

Eine interessante Idee ist die Rückführung von Vision-Daten in die eigens erstellte ‚robobrain-Cloud‘. Ziel dieser Maßnahme ist es, die Qualität der eingesetzten ‚robobrains‘ zu verbessern, indem alle Systeme von den gelernten Ergebnissen jedes einzelnen Systems lernen. Als Basis der als Gesamtlösung gelieferten ‚robobrain‘-Systeme dienen Industrie-PCs, die mit NVIDIA-Chips für eine beschleunigte Ausführung der KI-Modelle sorgen.

Intuitive Bedienung

Dank der intuitiven Bedienoberfläche ­können Anwender die Konfiguration über ein großflächiges Bedienpanel oder direkt im Webbrowser vornehmen, ohne zusätzliche Software installieren zu müssen. Selbst komplexe Roboterapplikationen lassen sich auf diese Weise flexibel und schnell konfigurieren, installieren und integrieren. robobrain.vision kann von mehreren Robotern gleichzeitig benutzt werden und unterliegt keinerlei Einschränkungen bei der Anzahl der Roboterachsen. 

Die einfache Integration und Nutzung von robobrain.vision zeigt sich außerdem bei der Kompatibilität zu diversen Robotern: Mit einem Plug-In für Universal Robots eignet sich das System für kollaborierende Roboterlandschaften, arbeitet dank einfacher Schnittstellen jedoch ebenso mit Robotern anderer Hersteller wie zum Beispiel Kuka und Franka zusammen. Diese Flexibilität umfasst darüber hinaus das Thema Greifen: Da die Prozesse und Greifobjekte bei jeder Anwendung unterschiedlich sein können, werden eine Vielzahl an Parallel- und Vakuumgreifern wie beispielsweise OnRobot, Robotiq und Schmalz unterstützt. Für die Zukunft sollen die Greiferoptionen des Systems weiter ausgebaut werden.

Autor: 
Mark Stevens ist Business Developer bei ­Robominds in München.