Die autonome Handhabung weicher, biegeschlaffer Bauteile, wie Kabel, Schläuche oder Dichtungen ist eine bislang ungelöste Herausforderung für heutige Robotersysteme. Problematisch sind insbesondere die Verformungen, die solche Bauteile bereits unter geringen Kräften erfahren. Beispielsweise können signifikante Formänderungen bereits durch das Eigengewicht oder geringe Kontaktkräfte mit der Umgebung hervorgerufen werden. Viele Handhabungsaufgaben lassen sich nicht derart einschränken, dass unvorhergesehene Verformungen explizit ausgeschossen werden. Daher muss der Roboter während des Handhabungsprozesses auf die entstehende Verformung reagieren.
Wo der Roboter noch unterlegen ist
Für Menschen mit ihrer ausgeprägten kognitiven Wahrnehmung ist ein Erkennen des verformten Bauteils und ein Ableiten einer entsprechenden Handlung zur Reaktion auf die entstandenen Formänderungen in der Regel problemlos möglich. Heutige Robotersysteme sind dem Menschen hinsichtlich Genauigkeit, Wiederholbarkeit und Geschwindigkeit zwar bereits weit überlegen, verfügen jedoch noch nicht annährend über derart weitentwickelte kognitive Fähigkeiten wie der Mensch. Allgemeine Lösungen zur Automatisierung von Handhabungsaufgaben mit Robotersystemen die biegeschlaffes Materialverhalten berücksichtigen existieren daher heute noch nicht.
Kognitiv-gestützte Roboterprogrammierung für weiche Bauteile
Im DFG-Graduiertenkolleg „Soft Tissue Robotics“ wird am ISW die Interaktion von Robotern mit weichen Materialien für die Anwendung in der Zukunft untersucht. Auf der SPS 2019 wurde vom ISW ein Soft-Tissue-Ansatz vorgestellt, welcher das Deformationsverhalten biegeschlaffer Werkstücke in einer Simulationsumgebung demonstriert. Damit steht dem Roboter eine mathematische Beschreibung des Objekts und seiner Verformung zur Verfügung, die in der Robotersteuerung berücksichtigt werden kann. Dementsprechend ähnelt dieser modellbasierte Ansatz dem intuitiven, aus Erfahrungen gelernten, Verständnis des Menschen für das Verformungsverhalten und kann für die Objekterkennung, das autonome Lösen von Handhabungsaufgaben und zum Lernen von Strategien zur gezielten Manipulation herangezogen werden. Das Anwendungspotential des Ansatzes beispielsweise für die Montage von Leitungssätzen im Automobilsektor oder für die Verkabelung von Schaltschränken werden derzeit im Rahmen weiterer Forschungsarbeiten untersucht.