Handling von flexiblen Materialien mithilfe von Roboterarmen
Zusammenfassung
Flexible Materialien wie Folien, Textilien, Kunststoffe, Kabel oder biegeschlaffe Bauteile gewinnen in zahlreichen Industriezweigen zunehmend an Bedeutung — in der Automobil- und Elektronikfertigung, der Verpackungsindustrie sowie in medizinisch-technischen Anwendungen. Mit steigender Automatisierung rückt die zuverlässige und präzise Handhabung dieser Materialien in den Fokus, da herkömmliche Robotersysteme primär für starre Werkstücke ausgelegt sind.
Der Schwerpunkt der Arbeit wird nach Rücksprache und gemäß den persönlichen Interessen festgelegt. Mögliche Richtungen sind:
Hardware: Entwicklung spezialisierter Greiftechnologien, die sich flexibel an die Nachgiebigkeit des Materials anpassen und eine reproduzierbare Manipulation ermöglichen.
Software / KI: Methoden zur Handhabung des nicht-linearen, stark deformierbaren und schwer vorhersagbaren Verhaltens flexibler Materialien — etwa durch fortgeschrittene Simulation, modellbasierte Regelung oder KI-gestützte Ansätze (Deep Reinforcement Learning, Vision-Language-Action Models).
Zum Abschluss werden die gewonnenen Erkenntnisse in einer physischen Roboterzelle am TTZ Nürnberger Land umgesetzt und evaluiert.
Projektbeschreibung
Das 3-semestrige M-APR-Projekt (Start WiSe 2026/2027) befasst sich mit der Handhabung flexibler Materialien durch Roboterarme. Der genaue Schwerpunkt wird gemeinsam festgelegt und kann sich sowohl auf Hardware-Aspekte (Greiftechnologien) als auch auf Software-/KI-Aspekte (Simulation, lernbasierte Regelung) konzentrieren. Am Ende steht die Umsetzung in einer realen Roboterzelle am TTZ Nürnberger Land.
Mögliche Arbeitsschwerpunkte
Hardware-orientiert
- Analyse von Greifprinzipien für flexible Materialien (Vakuum, adhäsiv, formadaptiv)
- Entwicklung und Fertigung eines spezialisierten Greifers
- Experimentelle Evaluation der Reproduzierbarkeit
Software / KI-orientiert
- Aufbau einer Simulationsumgebung für deformierbare Objekte
- Modellbasierte Regelung oder Deep Reinforcement Learning (DRL)
- Vision-Language-Action (VLA) Modelle für flexible Manipulation
- Sim-to-Real-Transfer und Evaluation in der Roboterzelle
Voraussetzungen
- Bachelorabschluss in Elektro- und Informationstechnik, Informatik, Mechatronik, Robotik o. ä.
- Programmierung in C++ und/oder Python
- Grundkenntnisse in Machine Learning
- Grundkenntnisse in Robotik
- Interesse an der Handhabung flexibler Materialien
- Eigenständiges und zielgerichtetes Arbeiten
- Bereitschaft, sich in neue Thematiken einzuarbeiten
Das Thema kann nach Abstimmung auch als Projekt- oder Masterarbeit bearbeitet 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.