Greifen unbekannter Bauteile für die robotische Montage
Zusammenfassung
Die häufige Anpassung von Bauteilen führt zu Herausforderungen in industriellen Montageprozessen. Mit jedem Änderungszyklus können sich Konstruktion, Farbe und Material des Bauteils ändern. In der robotischen Montage ergibt sich aufgrund dieser Herausforderung die Nachfrage nach adaptionsfähigen Robotern.
Im Rahmen der Arbeit soll die Limitierung auf bereits bekannte Objekte überwunden werden. Ein Ansatz zur Erkennung unbekannter Objekte sowie der Berechnung der Greifpositionen soll entwickelt und anschließend mit bestehenden Ansätzen verglichen werden.
Die Adaptionsfähigkeit kann durch die Kombination visueller Sensorik und Methoden der künstlichen Intelligenz erreicht werden. RGB- und Tiefenkameras stellen die Schnittstelle des robotischen Systems zur Umgebung dar. Die resultierenden Bilddaten können mit Hilfe der Methoden der künstlichen Intelligenz, z. B. neuronale Netze, analysiert werden, um unbekannte Bauteile zu erkennen und anschließend zu greifen.
Motivation
Die häufige Anpassung von Bauteilen führt zu Herausforderungen in industriellen Montageprozessen. Mit jedem Änderungszyklus können sich Konstruktion, Farbe und Material des Bauteils ändern. In der robotischen Montage ergibt sich aufgrund dieser Herausforderung die Nachfrage nach adaptionsfähigen Robotern.
Themenfeld
Zur Montage verfügt des Robotersystem über einen hinterlegten Montageplan. In diesem Plan sind Bezeichnungen für das Bauteil, die Montagereihenfolge und der Bereich hinterlegt. Letzterer dient zur groben Lokalisierung der Montagestelle. Um mit diesen Randbedingungen die Bauteile montieren zu können, müssen die vorliegenden Bauteile erkannt, einer Bauteilbezeichnung zugeordnet und deren Greifposition bestimmt werden. Bisher werden neuronale Netze auf bereits bekannte Objekte trainiert. Die sind bezüglich der Erfassung neuer, unbekannter Bauteile limitiert.
Beschreibung
Im Rahmen der Arbeit soll die Limitierung auf bereits bekannte Objekte überwunden werden. Ein Ansatz zur Erkennung unbekannter Objekte sowie der Berechnung der Greifpositionen soll entwickelt und anschließend mit bestehenden Ansätzen verglichen werden.
Die Adaptionsfähigkeit kann durch die Kombination visueller Sensorik und Methoden der künstlichen Intelligenz erreicht werden. RGB- und Tiefenkameras stellen die Schnittstelle des robotischen Systems zur Umgebung dar. Die resultierenden Bilddaten können mit Hilfe der Methoden der künstlichen Intelligenz, z. B. neuronale Netze, analysiert werden, um unbekannte Bauteile zu erkennen und anschließend zu greifen.
Zur praktischen Validierung der gefunden Erkenntnisse kann eine Roboterzelle mit einem kollaborativen Roboter der Marke Universal Robots am Technologietransferzentrum Nürnberger Land in Lauf genutzt werden.
Voraussetzungen
- Kenntnisse in der Programmierung (bevorzugt Python und/oder C++)
- Idealerweise erste Kenntnisse in ROS und neuronalen Netzen
- Interesse an Robotik und Deep Learning
Das Thema eignet sich für eine Bachelor-, Projekt- oder Masterarbeit und kann auch mit weiteren Themen für einen MAPR genutzt werden.
Betreuung
| Rolle | Name | |
|---|---|---|
| Betreuer | Prof. Dr. Christian Pfitzner | christian.pfitzner@th-nuernberg.de |
| Co-Betreuer | M. Sc. Patrick Fußy | patrick.fussy@th-nuernberg.de |
Ort: TTZ Nürnberger Land, Martin-Luther-Straße 18, Lauf an der Pegnitz
Weitere Informationen: TTZ Nürnberger Land · Labor für Mobile Robotik
Prof. Dr. Christian Pfitzner
Professor für Mobile Robotik
Professor für Mobile Robotik an der TH Nürnberg Georg Simon Ohm, Fakultät efi. Leiter des TTZ Nürnberger Land. Forschungsschwerpunkte in autonomer Navigation, Drohnentechnologie und Sensorfusion.