Bild 1. Die verschiedenen Sinne eines Roboters ähneln denen des Menschen

Bild 1: Die verschiedenen Sinne eines Roboters ähneln denen des Menschen (Bild: Texas Instruments)

Industrieroboter kommen in der Regel in umgrenzten Umgebungen zum Einsatz, die von Menschen aus Sicherheitsgründen erst dann zugänglich sind, wenn sich der Roboter nicht mehr bewegt. Diese Einschränkung der Zusammenarbeit zwischen Mensch und Roboter steht allerdings auch der Nutzung zahlreicher Vorteile im Weg. Roboter mit autonomen Fähigkeiten würden dagegen eine sichere und produktive Koexistenz von Mensch und Roboter möglich machen.

Eckdaten

In der Automatisierung spielen Roboter eine entscheidende Rolle, damit sie allerdings reibungslos und problemlos arbeiten, benötigen sie eine enorme Menge an Daten. Verschiedene Sensortechnologien sammeln die benötigten Daten und agieren quasi als Sinnesorgane der Roboter. Ein KI-System verarbeitet die Daten am Edge der Cloud. So ist eine schnelle Datenübertragung möglich.

Sensorik und intelligente Wahrnehmung sind in Roboteranwendungen wichtig, weil die effektive Leistungsfähigkeit von Robotersystemen in hohem Maße von der Performance der Sensoren abhängig ist, die diese Systeme mit essenziellen Daten versorgen. Die heutige breite Spanne ausgefeilter und präziserer Sensoren bewirkt gemeinsam mit Systemen, die alle diese Sensordaten zusammenführen können, dass Roboter immer bessere Wahrnehmungs- und Bewusstheits-Fähigkeiten erlangen.

Verlagerung der Verarbeitung am Edge

Machine Learning (ML) gliedert sich in zwei Teile, Training und Inferenz, und beide Teile lassen sich auf vollkommen verschiedenen Verarbeitungsplattformen ausführen. Das Training erfolgt in der Regel offline auf Desktops oder in der Cloud und besteht darin, große Datenmengen in ein neuronales Netz einzuspeisen. Weder die Echtzeit-Performance noch der Stromverbrauch sind in dieser Phase ein Thema. Das Resultat der Trainingsphase ist ein trainiertes KI-System (künstliche Intelligenz), das im praktischen Einsatz eine bestimmte Aufgabe ausführen kann. Dabei kann es sich um das Untersuchen einer Flasche an einer Fertigungsstraße, das Zählen und Verfolgen von Menschen in einem Zimmer oder das Erkennen von Falschgeld handeln.

Damit sich aber die an die KI geknüpften Erwartungen in verschiedenen Branchen erfüllen können, muss das Fusionieren der Sensordaten zumindest beinahe in Echtzeit erfolgen. Die Designer müssen daher die ML- und Deep-Learning-Modelle an die Edge auslagern, während die Inferenz in dem jeweiligen eingebetteten System installiert ist.

Das dezentralisierte Modell künstlicher Intelligenz

Grundlage des dezentralisierten KI-Modells sind hochintegrierte Prozessoren mit folgenden Eigenschaften:

  • reichhaltige Peripherieausstattung für den Anschluss unterschiedlicher Sensoren
  • leistungsfähige Verarbeitungs-Ressourcen für Bildverarbeitungs-Algorithmen
  • Möglichkeiten zur Beschleunigung von Deep-Learning-Inferenzen

Alle diese Fähigkeiten gilt es zudem effizient, mit relativ geringem Stromverbrauch sowie mit wenig Platzbedarf zu implementieren, damit eine Installation am Edge möglich ist.

Mit zunehmender Popularität der ML-Technik werden in zunehmendem Maß sogenannte Inferenz-Einheiten (Inference Engines) verfügbar, die in Bezug auf Stromverbrauch und Abmessungen optimiert sind. Als spezialisierte Hardwarelösungen sind diese Einheiten speziell für die Ausführung von ML-Inferenzen ausgelegt.

Bild 1. Die verschiedenen Sinne eines Roboters ähneln denen des Menschen

Bild 1: Die verschiedenen Sinne eines Roboters ähneln denen des Menschen Texas Instruments

Ein integriertes System-on-Chip (SoC) ist im Bereich der Embedded-Systeme häufig eine gute Wahl, denn es beherbergt nicht nur unterschiedliche Verarbeitungselemente, die sich für die Ausführung von Deep-Learning-Inferenzen anbieten, sondern enthält außerdem zahlreiche Komponenten, die notwendig sind, um die Belange einer ganzen Embedded-Anwendung abzudecken. Einige integrierte SoCs bieten Display-, Grafik-, Videobeschleunigungs- und industrielle Netzwerk-Funktionen, sodass eine Single-Chip-Lösung durchaus mehr leisten kann als nur die LM- und KI-Funktionen zu übernehmen.

Cobots: Mensch und Roboter arbeiten gemeinsam

In aller Regel dürfen sich Menschen nicht in der Nähe arbeitender Industrieroboter aufhalten, da sie sich sonst in Gefahr begeben würden. Im Unterschied dazu sind Cobots so konzipiert, dass sie auf sichere Weise neben Menschen arbeiten können und sich langsam und gleichmäßig bewegen.

Cobot-Hersteller müssen in die Robotersysteme ein hohes Maß an Umgebungserfassung und Redundanz einbauen, um mögliche Kollisionen schnell erkennen und vermeiden zu können. Integrierte, an eine Steuereinheit angeschlossene Sensoren detektieren eine bevorstehende Kollision zwischen einem Roboterarm und einem Menschen oder einem anderen Objekt, woraufhin die Steuereinheit den Roboter umgehend abschaltet. Eine Abschaltung des Roboters erfolgt ebenfalls, sobald ein Sensor oder seine zugehörige Elektronik ausfällt.

Logistikroboter

Logistikroboter sind mobile Einheiten für den Einsatz in Umgebungen, in denen sich nicht unbedingt Menschen aufhalten wie etwa Lagerhallen, Distributionszentren, Häfen oder Firmengelände. Logistikroboter nehmen Waren entgegen und befördern sie an eine Packstation oder transportieren Waren von einem Firmengebäude zum anderen. Einige können auch eigenständig Produkte aufnehmen und verpacken. Derartige Roboter bewegen sich üblicherweise in einem bestimmten Umfeld und benötigen Sensoren zur Ortung, für das Mapping und zur Vermeidung von Kollisionen insbesondere mit Menschen.

Bis vor Kurzem bewegten sich Logistikroboter entlang vorgegebener Routen, doch inzwischen können sie ihre Navigation an den Positionen von anderen Robotern, Menschen und Paketen orientieren, wofür sich Ultraschall-, Infrarot- und Lidar-Sensoren als geeignete Technologien anbieten. Aufgrund der Mobilität der Roboter ist die Steuereinheit eingebaut – häufig mit einer drahtlosen Verbindung zu einer zentralen Fernsteuerung. In Logistikrobotern kommen mittlerweile fortschrittliche Technologien wie etwa ML-Logik, die Zusammenarbeit zwischen Mensch und Maschine sowie Technologien zur Umgebungsanalyse zum Einsatz.

Optische Time-of-Flight-Sensoren (ToF)

Bild 2: Cobots arbeiten in Fabrikumgebungen Hand in Hand mit Menschen zusammen.

Bild 2: Cobots arbeiten in Fabrikumgebungen Hand in Hand mit Menschen zusammen. Texas Instruments

Diese Sensoren basieren auf dem Prinzip der Laufzeitmessung und nutzen eine Photodiode (ein einzelnes Sensorelement oder ein ganzes Array) in Verbindung mit aktiver Ausleuchtung, um Entfernungen zu messen. Die von Objekten reflektierten Lichtwellen werden mit den ausgesendeten Wellen verglichen, um die Laufzeit zu messen, die wiederum von der Entfernung bestimmt wird. Mithilfe dieser Daten lässt sich eine dreidimensionale Abbildung des Objekts erstellen.

Die ToF-Chipsätze von TI ermöglichen eine über die Näherungsdetektierung hinausgehende ToF-basierte Erfassung, um die Voraussetzungen für eine neue Bildverarbeitungsgeneration zu schaffen. Die Chipsätze bieten maximale Flexibilität zur individuellen Anpassung von Designs für sehende Roboter und andere Anwendungen. Zu den dafür verfügbaren Tools gehören ein Evaluierungsmodul und ein hochgradig konfigurierbares Kamera-Entwicklungskit, das eine Information über den dreidimensionalen Ort eines jeden Pixels liefert und damit das Erstellen präziser Tiefenkarten ermöglicht, die Hilfestellung bei der Individualisierung leisten. Diskrete Lösungen bedienen sich Topologien und Halbleitertechnologien der Spitzenklasse, zu denen Time-to-Digital-Wandler und Galliumnitrid (GaN) gehören.

Temperatur- und Feuchtesensoren

Viele Roboter müssen die Temperatur und gelegentlich auch die Feuchte ihrer Umgebung und ihrer Komponenten messen, um sicherzustellen, dass der Betrieb in sicheren Bereichen erfolgt. Dies ist insbesondere für Roboter wichtig, denn ein stark belasteter Motor kann viel Leistung aufnehmen und sich dementsprechend erwärmen. Mit einer präzisen Temperaturüberwachung lassen sich einerseits die Motoren schützen, andererseits aber lässt sich dank der hohen Temperaturgenauigkeit der sichere Arbeitsbereich weiter ausreizen. Hinzu kommt, dass nahezu jeder andere Sensor temperaturempfindlich ist und folglich von einer Temperaturkompensation profitiert. Ist die exakte Temperatur bekannt, lässt sich die Temperaturdrift der Sensoren korrigieren, um genauere Messwerte zu bekommen.

Ultraschallsensoren

Bildsensoren versagen unter Umständen, wenn der betreffende Roboter durch helles Licht geblendet wird oder sich plötzlich in einer sehr dunklen Umgebung befindet. Durch das Aussenden von Ultraschallsignalen und das Registrieren von reflektierten Echos, bewähren sich Ultraschallsensoren ausgezeichnet, wenn in dunklen oder hellen Umgebungen optische Sensoren an ihre Grenzen gelangen.

Die Ultraschalltechnik ist eine kostengünstigere, aber auch langsamere Alternative zur Radartechnik, wenn Roboter keine hohen Geschwindigkeiten erreichen müssen. Für das Umgehen von Hindernissen ist die Ultraschalltechnik sogar zuverlässiger als die optische ToF-Technik, da sie nicht davon abhängig ist, wie viel des verfügbaren Lichts ein Hindernis reflektiert. Darüber hinaus eignet sich Ultraschall auch zur Detektierung von Glas oder anderen transparenten Oberflächen, weil es eben nicht mit Lichtwellen, sondern mit Schallwellen arbeitet.

Vibrationssensoren

Die industrielle Vibrationssensorik ist ein entscheidender Bestandteil der für eine vorausschauende Instandhaltung erforderlichen Zustandsüberwachung. Integrierte piezoelektrische Sensoren sind im industriellen Bereich die gängigsten Vibrationssensoren.

Mithilfe von Vibrationssensoren können Roboter erkennen, ob ihre Mechanik beschädigt ist oder Alterungseffekte zeigt. So lassen sich Instandhaltungsmaßnahmen einleiten, bevor sich Auswirkungen auf den Betrieb ergeben. Die Genauigkeit der entsprechenden Vorhersagen kann mithilfe von KI/ML ein neues Niveau erreichen.

mmWave-Sensoren

mmwave-sensors-factory-robotic-arm

Bild 3: Mit mmWave-Sensoren bestückter Roboterarm. Texas Instruments

Bei mmWave-Sensoren werden Funkwellen und ihre Echos benutzt, um Richtung und Entfernung eines beweglichen Objekts zu ermitteln. Hierzu werden drei Größen gemessen: Geschwindigkeit, Winkel und Entfernung. Dies versetzt Roboter in die Lage, abhängig von der Geschwindigkeit, mit der sich Objekte dem Sensor nähern, vorausschauender zu reagieren. Radarsensoren können ihre Stärken besonders bei Dunkelheit ausspielen und Materialien wie zum Beispiel Trockenbauwände, Kunststoff und Glas durchdringen.

mmWave-Sensoren auf CMOS-Basis ermöglichen die hochpräzise Messung nicht nur der Distanz von Objekten in ihrem Sichtfeld, sondern auch der relativen Geschwindigkeiten jeglicher Hindernisse.

TI-Lösungen für die gesamte Signalkette von KI-basierten Robotern

Die Signalkette adaptiver, selbstlernender KI-Robotersysteme verlangt nach der Echtzeit-Fusion vielschichtiger Sensordaten. Die Sensoren eines Cobots wirken dabei auf gewisse Weise wie die fünf menschlichen Sinne, und alle diese fünf Sinne sind entscheidend für den vollautonomen Betrieb.

Analog dazu sind mehr und mehr Sensoren mit KI- und ML-Systemen verbunden, die innerhalb des Roboters arbeiten. Die entscheidende Herausforderung für die Hersteller von KI-Robotersystemen wird darin bestehen, den Belangen mehrerer KI-Systeme nachzukommen, die gemeinsam arbeiten und miteinander kommunizieren und somit ein hybrides ML-System ergeben, das sich auf Daten hybrider Sensoren stützt.

Roboter-Entwickler sind auf fortschrittliche, integrierte Schaltungslösungen angewiesen, um die Probleme beim Design und der Zertifizierung der Schaltungen zu minimieren und die Entwicklung von Produkten zu beschleunigen, die sie daraufhin entsprechend schnell an die Industrie liefern können. Die ICs, die den Fortschritten bei den Industrierobotern den Weg bahnen, müssen nicht nur mit präziser Sensorik aufwarten, sondern auch die Fähigkeit zur schnellen Umwandlung von Sensorsignalen besitzen sowie schnelle Rechen- und Signalverarbeitungs-Funktionen für Echtzeit-Reaktionsfähigkeit und schnelle Kommunikationsfunktionen enthalten. Abgesehen davon ermöglichen ICs effiziente und kompakte Stromversorgungen im Verbund mit fortschrittlichen Halbleitern wie etwa GaN-FETs. Neue ICs führen überdies neue Standards in die Industrie ein, was die Komplexität der Verkabelung verringert und dafür die Zuverlässigkeit verbessert.

TI bietet alles, was die Robotertechnik der nächsten Generation benötigt – von den Sensoren bis zu den Prozessoren. Zudem deckt das Portfolio des Unternehmens die Signalkette für KI-Robotik ab. Darüber hinaus sind TI-Lösungen nicht nur für die Signalkette da, sondern auch für die Verarbeitungs- und Stromversorgungsfunktionen von Roboter-Anwendungen. Die entsprechenden Produkte bieten Features wie etwa verstärkte Isolation und sind für die Verwendung unter rauen industriellen Bedingungen geprüft und qualifiziert.

Matthieu Chevrier

(Bild: Texas Instruments)
Systems and Applications Manager, Worldwide Industrial Systems, bei Texas Instruments

(prm)

Sie möchten gerne weiterlesen?

Unternehmen

Texas Instruments Deutschland GmbH

Haggertystraße 1
85356 Freising
Germany