Kategorie: ‘ROS’
Vorstellung des Projekts „ErgoFli“ auf dem KT-Kolloquium 2022
Das Ziel des ZIM-geförderten Projekts „ErgoFli“ ist es, eine intelligente, halbautomatisierte Fliesenlegehilfe zu entwickeln. Diese soll nicht ergonomische Haltungen von Fliesen legenden Personen durch ihre intuitive Benutzerschnittstelle, das automatisierte Handhaben von Fliesen und Fliesenkleber sowie eine intelligente Steuerung um bis zu 66% reduzieren. Der ErgoFli kann mit einem motorisierten Antrieb verfahren werden und nutzt eine lineare Verlegekinematik zum Verlegen von Fliesen ohne direkten Wandkontakt im Buttering-Floating-Verfahren. Es können Fliesen in den beiden Formaten 30×60 cm bzw. 60×60 cm im Kreuzverband verlegt werden. Der Roboter besitzt Speicher für Fliesen und Fliesenkleber, sodass er mindestens 30 Minuten ohne Nachfüllen verwendet werden kann und schafft eine Verlegeleistung von 12 m2 in der Stunde bei gleichzeitiger Gewährleistung der entsprechenden normgerechten Ebenheitstoleranzen.
Mithilfe eines digitalen Zwillings konnte bereits ein früher Prototyp in verschiedenen Szenarien getestet werden. Während die Konstruktion des Prototyps in gängiger CAD-Software erfolgt, wird das jeweils aktuelle Modell parallel in die Simulationsumgebung Gazebo eingebunden. Dies ermöglicht das kontinuierliche Integrieren und Testen von Softwarepaketen der Steuerung in anwendungsnahen Szenarien. Über eine Closed-Loop Simulation können beispielsweise reale Testdaten an den digitalen Zwilling übertragen werden. So werden die drei Laser-Profilsensoren des Fliesengreifers sowieso Sauggreifer auf einem prototypischen Greifer befestigt und an einem UR10 Roboterarm montiert. Die Messwerte der Sensoren können dann trotz unterschiedlicher Kinematiken auf den digitalen Zwilling in der Simulation übertragen werden. Auf diese Weise kann die Positionsregelung des Greifers über die Vermessung der Fugenbreiten bereits frühzeitig im Gesamtsystem integriert werden.
Ansprechpartner:
Jan Wiartalla
Marius Gürtler
Erste Bewegung des PARAGRIPs mit neuer Steuerung
Um für seine zukünftigen Aufgaben in der Multidirektionalen Additiven Fertigung (MDAM) mittels Lichtbogenschweißen (WAAM) optimal gewappnet zu sein, wurde die Steuerungsarchitektur des PARAGRIPs grundlegend überarbeitet. Ab sofort können Bewegungen aller vier Arme unter ROS2 mit MoveIt geplant, simuliert und am echten Roboter ausgeführt werden. Dabei werden die Gelenkstellungen des physischen Roboters stets an ROS2 zurückgespielt, wodurch eine Integration von online-Planungsalgorithmen in der Zukunft ermöglicht wird. Das Video zeigt die Planung und Ausführung einer einfachen Testbewegung des PARAGRIPs.
Weitere Informationen zu dem Projekt findet ihr hier.
Ansprechpartner: Jan Wiartalla
Ein mehrschichtiger Task-Sequencing-Ansatz
Cobots sind bei Fertigungsunternehmen im Gegensatz zu vollautomatischen Produktionslinien sehr gefragt, da sie den zusätzlichen Vorteil eines flexiblen Betriebs bieten. Eine große Herausforderung bei den derzeitigen kollaborativen Systemen sind die langwierigen Setup-Zeiten für eine effiziente und robuste Mensch-Roboter Kollaboration sowie die schlechte Unterstützung für zufällige Unterbrechungen.
Dieses Projekt zielt darauf ab, autonome kollaborative Prozessschritte für serielle Manipulatoren zu ermöglichen, bei denen Unterbrechungen durch menschliches Eingreifen auftreten können. Zu diesem Ziel werden zwei Hauptaspekte behandelt, die die Ausführung von Aufgaben beeinflussen, nämlich die Ausführungszeit und die Kollaboration:
1. Eine Methode zur Minimierung der zurückgelegten Gesamtstrecke wird entwickelt, in der die für die jeweilige Aufgabe optimale Sequenz von Prozessschritten unter Beibehaltung der Online-Betriebsfähigkeiten eingehalten wird.
2. Ein Echtzeit-Algorithmus wird entwickelt und implementiert, der die Mersch-Roboter Kollaboration in Umgebungen mit zufälligen Unterbrechungen ermöglicht. Das Ziel ist den Betrieb auch dann aufrechtzuerhalten und die Sicherheit der menschlichen Mitarbeiter zu gewährleisten, wenn Bereiche des Arbeitsraums verdeckt sind.
Ein Beispiel für den Einsatz auf einer Prototyp-Plattform, bestehend aus einem kollaborativen UR10e-Arm, einer Stereokamera zur statischen Umgebungserfassung und einem Laserscanner zur Erfassung von dynamischen Hindernissen, wird im Video gezeigt.
Ansprechpartner: Stefan Bezrucav
Musik: madiRFAN – Both of Us (https://pixabay.com/music/beats-madirfan-both-of-us-14037/)
Das Video auf unserem Kanal: hier.
Participation at European Robotics Forum (ERF) Hackathon 2022
Im Rahmen des European Robotics Forum (ERF) Hackathons 2022 haben sechs Studierende des IGMR ihr Talent in Prototyping und dem Umgang mit Robotern unter Beweis gestellt. Die Hackathon Aufgabe wurde unter anderem von dem Unternehmen Lely gestellt. Deren mobile Roboter „Juno“ sind autonom fahrende zylindrische Plattformen, deren Hauptaufgabe darin besteht in Agrarbetrieben die Einzäunung von Kühen abzufahren, um so das in den Raum geschobene Futtermittel wieder erreichbar zu machen. Ähnlich lautete die Aufgabenstellung im Hackathon: Zwei Juno Roboter sollen in zwei miteinander verbundenen Räumen mit einer definierten Distanz die Wände abfahren. Weitere Einschränkungen und Herausforderungen ermöglichten zusätzliche Punkte zu verdienen. Das Team konnte sich erfolgreich beim Hackathon in Rotterdam beweisen. Nach einem knappen Kopf-an-Kopf-Rennen ging der erste Platz an die TU Delft. Bei der Siegerehrung durften wir für unsere „ständige Unterstützung anderer Teams in Konstruktion und 3D Druck“ als kooperativstes Team groß gelobt werden. Dieses „beispielhafte Verhalten“ sei gerne gesehen und wir freuen uns nächstes Jahr wieder dabei zu sein.
Besonderes Lob gilt unseren Studenten Sebastian Polzin, Frederik van Kerkom, Jonas Braun, Oleksander Kutovyi, Ali Berger und Yannik Freischlad für das eingesetzte Engagement. Wir gratulieren der TU Delft zum verdienten Sieg und freuen uns über die vielen neuen Freunde und wertvolle Kontakte, die wir gewinnen konnten. Wir danken der Institutsleitung für die Möglichkeit zur Teilnahme und freuen uns auf nächstes Jahr.
Ansprechpartner: Daniel Gossen
Integrierte AI-Aufgabenplanung und Schraubenerkennung in einem Fertigungsszenario
Der an dieser Stelle eingebundene Inhalt führt Sie auf Seiten, die von der von Google betriebenen Seite YouTube - YouTube, LLC, 901 Cherry Ave., San Bruno, CA 94066, USA - zur Verfügung gestellt werden. Mit dem Aufruf des Inhalts kann YouTube Ihre IP-Adresse und die Sprache des Systems, sowie verschiedene browserspezifische Angaben ermitteln. Wenn Sie in Ihrem YouTube-Account eingeloggt sind, ermöglichen Sie YouTube, Ihr Surfverhalten direkt Ihrem persönlichen Profil zuzuordnen. Dies können Sie verhindern, indem Sie sich aus Ihrem YouTube-Account ausloggen. YouTube verwendet Cookies und Tracking-Tools. Die Datenverarbeitungsvorgänge sowie die Zwecke der Verarbeitung können direkt bei YouTube erfragt und eingesehen werden.
Das Video findet ihr auch auf unserem Youtube-Kanal:
Der an dieser Stelle eingebundene Inhalt führt Sie auf Seiten, die von der von Google betriebenen Seite YouTube - YouTube, LLC, 901 Cherry Ave., San Bruno, CA 94066, USA - zur Verfügung gestellt werden. Mit dem Aufruf des Inhalts kann YouTube Ihre IP-Adresse und die Sprache des Systems, sowie verschiedene browserspezifische Angaben ermitteln. Wenn Sie in Ihrem YouTube-Account eingeloggt sind, ermöglichen Sie YouTube, Ihr Surfverhalten direkt Ihrem persönlichen Profil zuzuordnen. Dies können Sie verhindern, indem Sie sich aus Ihrem YouTube-Account ausloggen. YouTube verwendet Cookies und Tracking-Tools. Die Datenverarbeitungsvorgänge sowie die Zwecke der Verarbeitung können direkt bei YouTube erfragt und eingesehen werden.
Ansprechpartner: Nils Mandischer, Stefan Bezrucav
