Selbstlernende Assistenzsysteme für Industrieroboter - Gestenbasierte Programmierung von skillbasierten Robotersystemen in der Montage

Ulrich Berger, Marlon Lehmann und Ronny Porsch

Intelligente Assistenzsysteme unterstützen die Mitarbeiter in der Produktion und erhöhen die Effizienz durch das Einblenden von situationsbasierten Aufgabeninformationen. Im Projekt Advanced Robot Assistance Solution (ARAS) im Rahmen des Kuka Innovation Awards 2021 wurde eine Assistenztechnologie entwickelt, um automatisiert Roboterprogramme für Montageabläufe zu generieren. Durch innovative Mensch-Maschine-Schnittstellen werden Montageschritte per maschinellem Lernen erkannt und in ausführbare Programme für Industrieroboter übersetzt. Dadurch können roboterbasierte Montageprozesse innerhalb von Minuten auf neue Produkte angepasst werden, ohne dass die Mitarbeiter über Kenntnisse des Programmierens oder der Robotik verfügen müssen. Ein Mitarbeiter muss den Montageprozess nur einmal vormachen. Das ARAS-System ermöglicht die kosten- und zeiteffiziente Integration und Adaption von Industrierobotern in der Montage für große und mittelständische Unternehmen.

Die Anzahl von Produktvariationen, die Unternehmen liefern müssen, um wachsende Kundenwünsche bezüglich der Individualisierbarkeit von Produkten zu befriedigen, steigt stetig an [1]. Dies stellt vor allem beim Einsatz von industriellen Robotern in der Fertigung eine Herausforderung dar, da deren Reprogrammierung zeitaufwendig ist und ein hohes technisches Verständnis voraussetzt [2].

Im internationalen Kuka Innovation Award 2021 wurden Möglichkeiten gesucht, bestehende Herausforderungen von Robotern mithilfe von künstlicher Intelligenz zu bewältigen. Im Rahmen der Finalistenrunde dieses Awards wurde ein digitales Assistenzsystem entwickelt, welches Werker befähigt, einem Industrieroboter neue Montageprozesse durch Vormachen beizubringen. Die Applikation eignet sich für Montageprozesse von kleinen und mittleren Bauteilen und ist durch die Traglast des eingesetzten Industrieroboters begrenzt.

Der Ansatz vereint die skillbasierte Programmierung von Industrierobotern mit KI-Technologien, wie Objekt- und Gestenerkennung. Die Vorteile sind höchste Flexibilität und Reaktionsfähigkeit auf unvorhergesehene Auftragsänderungen durch Kunden oder die Produktionsplanung. Der Industrieroboter wird in minutenschnelle durch den Montagemitarbeiter ohne Programmierkenntnisse adaptiert. Die notwendigen Informationen beschränken sich auf die Sequenz der Montageschritte und die verwendeten Werkzeuge und -stücke. Dadurch ist kein zusätzliches Fachwissen notwendig und der Mitarbeiter kann sich auf die Kernkompetenz der Montage konzentrieren. Der Einsatz eines MRK-Roboters erlaubt hierbei, dass der Werker den Prozess am selben Arbeitsplatz vormachen kann, an dem im Anschluss der Industrieroboter dem Montageprozess durchführt.

Die Programmierung der Roboterskills findet im Vorfeld, entsprechend der notwendigen Montageoperationen statt. Diese richten sich nach dem Produktportfolio des Unternehmens. Der Nutzen entsteht durch die Verlagerung des zeitlichen Programmieraufwands weg von der Produktion, sodass im Moment des Bedarfs die Stillstandszeiten durch Programmierarbeiten minimiert werden.

Hierzu werden die Konzepte der Standardisierung und Intelligenz vereint. Die standardisierten und dadurch wiederverwendbaren Roboterskills, z. B. „Schrauben“ erhalten durch KI-Algorithmen die notwendigen Montageinformationen, wie die Art der Montageoperation, das verwendete Werkzeuge und das montierte Werkstücke.

Innovativ ist dabei die Verwendung von Datenhandschuhen für die Klassifizierung von Montageoperationen durch KI-Gestenerkennung. Herkömmliche Systeme verwenden Kamerasysteme mit den einhergehenden Nachteilen wie Fehleranfälligkeit bei sich ändernden Lichtverhältnissen und der Unfähigkeit verdeckte Gesten zu erkennen [3]. Vor allem der zweite Punkt stellt für die Montage ein großes Problem dar. Die Finger sind meist vom Handrücken verdeckt, sodass eine sichere Erkennung nicht möglich ist. Die Datenhandschuhe gewährleisten eine durchgehende Klassifizierung der manuellen Montageoperationen auch bei verdeckten Gesten.

Die Kombination der Roboterskills mit der innovativen Gestenerkennung ermöglicht eine sichere Erkennung der manuellen Montageprozesse und darauf aufbauend das automatische Generieren von Roboterprogrammen. Ziel ist die Programmierung von Industrierobotern per Vormachen der Montageschritte durch den Werker.


Bild 1: Schematischer Aufbau der ARAS-Applikation mit beiden Teilsystemen
zur Erkennung von Montageschritten.

Grundlagen – Intelligente Roboterprogrammierung

Heimann und Guhl [4] unterscheiden zwischen Online-, Offline- und Hybrid-Programmierung. Dabei wird der Roboter bei der Online-Programmierung während des Programmiervorgangs aktiv genutzt und steht somit für diese Zeit nicht für den produktiven Einsatz zur Verfügung. Die Online-Programmierung wird weiter unterteilt in Lead-Through- und Walk-Through-Programming sowie Programming by Demonstration (PbD). Beim Lead-Through-Programming werden die vom Roboter abzufahrenden Positionen durch manuelle Bewegung der einzelnen Gelenke des Roboterarms mithilfe eines Handbediengeräts eingestellt und gespeichert. Beim Walk-Through-Programming handelt es sich um einen ähnlichen Ansatz. Hierbei wird der Roboter jedoch nicht mittels eines Handbediengeräts bewegt, sondern direkt per Hand von einem Menschen geführt. Beim Programming by Demonstration lernt der Roboter mithilfe von Sensoren neue Tätigkeiten.

Bei der Offline-Programmierung wird zwischen textbasierter und simulationsbasierter sowie grafischer Programmierung, bei welcher ein Nutzer ohne tiefere Programmierkenntnisse ein Programm für den Roboter erstellen kann, unterschieden.

Zhu und Hu [5] unterteilen die einem Roboter zur Verfügung stehenden Fähigkeiten auf zwei verschiedene Abstraktionsebenen. Zum einen werden Fähigkeiten auf einer niedrigen Abstraktionsebene durch Bewegungen der einzelnen Gelenke des Roboterarms beschrieben. Zum anderen werden Fähigkeiten durch symbolische Encodierung auf der Abstraktionsebene von Arbeitsprozessen beschrieben.

Im vorliegenden Fall muss zwischen der Programmierung am Roboter und dem Erstellen der Montagesequenz unterschieden werden. Für das Erstellen neuer Roboterskills muss hierbei eine Online-Programmierung des Roboters mittels Walk-Through-Programming vorgenommen werden. Sobald alle notwendigen Skills vorhanden sind, kann jedoch auf eine Online-Programmierung verzichtet werden. Das Beibringen neuer Montageprozesse geschieht hier durch Programming by Demonstration. Anders als in der in [4] vorgestellten Klassifizierung passiert dies jedoch offline statt online. Der Roboter wird während des Einlernprozesses für Montageprozesse also nicht benötigt und steht dementsprechend während dieser Zeit für den normalen Betrieb zur Verfügung.

Zum Weiterlesen hier klicken