Frugal and adaptive Al for flexible industrial Robotics

GreenBotAI ist ein deutsch- französische Förderprojekt und beschäftigt sich vor dem Hintergrund des industriellen Wandels mit folgenden drei Hauptzielen:

• Sicherstellung einer kontinuierlichen Produktion und stabiler Lieferketten in Europa,
• Gewährleistung der europäischen Führungsrolle in Bezug auf Produktionsautomatisierung,
• die Verringerung der Umweltauswirkungen europäischer Fabriken durch die Reduzierung des Energieverbrauchs von Roboteranwendungen um 50 %.

Der Fokus der Hochschule München als Konsortialpartner des Förderprojekts liegt auf Applikationen, die mittels einer Kraft-Momenten-Regelung umgesetzt werden, wie z.B. das Fügen von Bauteilen unter Aufbringung von definierten Kräften und Momenten, sowie auf Mensch-Roboter-Kollaboration, bei der ebenfalls die am Roboter auftretenden Kräfte und Momente zur Bewertung sicherheitsrelevanter Kriterien verwendet werden.

Ziel ist es, Inbetriebnahme-, Reaktions- und Latenzzeiten von Industrierobotern deutlich zu reduzieren, sowie eine optimierte Bahnplanung, Kraft-Momenten-Regelung und „On-the-fly-Ausführung“ von roboterbasierten Applikationen zu erreichen.

Im Projekt werden die Entwicklung notwendiger Hardwarekomponenten (franz. Konsortialpartner), sowie modernster KI-Methoden adressiert, um adaptive Roboteranwendungen für den Einsatz in der Produktion zu schaffen. Umgebungsbedingungen sollen hierbei selbstständig erkannt und das Roboterverhalten in Echtzeit an veränderte Bedingungen angepasst werden.

Im Rahmen dieses Projektes beschäftigt sich die Hochschule mit folgenden Fragestellungen:

• Welche Parameter sind für die Bestimmung eines optimalen Regelalgorithmus in der Kraft-Momenten-Regelung notwendig?
• Welche Methoden Künstlicher Intelligenz können hier eingesetzt werden und welche Vor- und Nachteile ergeben sich daraus?
• Wie erfolgreich können Kräfte und Momente für eine Montage ‚On the Fly` unterschieden und verwendet werden
• Wie kann eine Vorhersage für eine Konfiguration im Bereich der Mensch-Roboter-Kollaboration aus den gegebenen Parametern in Verbindung mit dem Körpermodell abgeleitet werden?
• Welche Möglichkeiten bietet uns die Entwicklung eines Digitalen Zwillings bei der Umsetzung, Auswertung und dem Training der Modelle?