Roboteranwendungen wie die Bestückung von Leiterplatten erfordern hohe Positioniergenauigkeiten und damit immer wieder ein Nachkalibieren der Roboterbewegungen – das ist kosten- und zeitintensiv. Mit dem Projekt KIRK wollen die drei Projektpartner softwaregetriebene Kalibriermethoden für die Praxis entwickeln. (Bild: Artiminds Robotics)
Initiatoren des Gemeinschaftsprojekts zur KI-basierten Roboterkalibrierung (KIRK) sind die Universität Stuttgart mit dem Institut für Industrielle Fertigung und Fabrikbetrieb (IFF), die Duale Hochschule Baden-Württemberg (DHBW) mit ihrem Robot and-Human-Motion-Lab und das Robotik-Unternehmen Artiminds Robotics. Ein Problem beim Betrieb von Industrierobotern ist das regelmäßige Nachkalibieren der Rotern in Bezug auf die Genauigkeit ihrer Bewegungen: Es ist kosten- und zeitintensiv, und vor allem für KMUs ist dies ein erheblicher Mehraufwand. Zudem kommen immer mehr preiswerte Roboterarme auf den Markt, die mechanisch bedingt potentiell noch größere Ungenauigkeiten in der Positionierung besitzen. Mit den derzeit verfügbaren Kalibriermethoden lassen sich jedoch nur Geometriefehler korrigieren. Temperatur- oder lastabhängige Ungenauigkeiten zum Beispiel können jedoch nur ungenügend ausgeglichen werden. Auch eine Nachkalibrierung im laufenden Betrieb, die für einen nachhaltigen Optimierungsprozess wichtig wäre, ist bislang nicht möglich. Um diese Lücken zu schließen und durch Maschinelles Lernen neue softwaregetriebene Kalibriermethoden für die Praxis zu entwickeln, haben die drei Partner im April 2020 das KI-Projekt KIRK gestartet.
„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, also Deep Learning“, sagte der KI-Forscher Prof. Marco Huber vom IFF der Uni Stuttgart. Das IFF hat mit dem DHBW den Part der Grundlagenforschung in dem Projekt übernommen. Gemeinsam mit Artiminds Robotics als Industriepartner werden die Ergebnisse auf reale industrielle Anwendungsfälle übertragen. Abschließend sollen die neu entwickelten Methoden auch in die Programmiersoftware Robot Programming Suite (RPS) integriert werden. Projektende soll im Frühjahr 2022 sein.
(dw)
