Kategorie: ‘ROS’
Interaktives Lernen von ROS: Der neue Kurs in RWTHJuypter
Wir freuen uns, unseren neuesten ROS-Kurs vorstellen zu dürfen, der als JupyterHub unter RWTHJuypter eingebunden ist. Dieser Kurs bietet eine interaktive Möglichkeit, die Grundlagen von ROS (Robot Operating System) zu erlernen und zu vertiefen.
ROS ist ein Open-Source-Framework, das es Entwicklern ermöglicht, die Steuerung von Robotern und deren Sensorik einfacher zu gestalten. Es bietet eine Vielzahl von Tools und Bibliotheken, die es ermöglichen, die Kommunikation zwischen den verschiedenen Komponenten eines Roboters zu vereinfachen und die Entwicklung von Anwendungen zu beschleunigen.
Unser Kurs deckt die wichtigsten Themen ab, die für die Arbeit mit ROS erforderlich sind. Dazu gehören unter anderem die Verwendung von ROS-Nodes, Topics, Services und Actions, die Verwendung von ROS-Bibliotheken wie tf (transform library) und moveit (motion planning library), sowie die Entwicklung eigener ROS-Pakete. Auch die Arbeit mit verschiedenen Roboterplattformen wird behandelt.
Ein besonderer Fokus liegt dabei auf der Verwendung von Jupyter Notebooks, um die Inhalte des Kurses interaktiv und anschaulich zu vermitteln. Dies ermöglicht es den Teilnehmende, die Beispiele und Aufgaben direkt im Kursumgebung auszuführen und die Ergebnisse direkt zu sehen.
Wir danken der Firma Quantstack für die Unterstützung bei der Entwicklung des Kurses und deren Entwicklungen an JupyROS. Durch die Verwendung von Jupyter Notebooks und jupyros konnten wir eine intuitive und benutzerfreundliche Umgebung schaffen, die es ermöglicht, ROS schnell und einfach zu erlernen.
Wir hoffen, dass unser ROS-Kurs sowohl für Einsteiger als auch für fortgeschrittene Entwickler von Nutzen sein wird und freuen uns auf zahlreiche Teilnehmende.
Ansprechpartner: Markus Schmitz
Rückblick Summerschools ROBO und ROCNI 2022
Die Summerschool dient zur Weiterbildung und Vertiefung von Wissen interessierter Studierender. Die Summerschool ROBO und ROCNI werden durch die International Academy (IntAc) angeboten und vom Institut für Getriebetechnik, Maschinendynamik und Robotik (IGMR) an der RWTH Aachen University durchgeführt. Die theoretischen Grundlagen werden durch die praktische Anwendung von Simulationen und am realen Roboter im Labor des IGMR erweitert.
Ansprechpartner:
Carlo Weidemann
Stefan Bezrucav
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: https://www.youtube.com/watch?v=oIxrqpY-Ku8
Ansprechpartner: Nils Mandischer, Stefan Bezrucav
Frohe Weihnachten und frohes neues Jahr!
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.
Wir wünschen euch eine schöne Weihnachtszeit und einen guten Rutsch ins neue Jahr! Bleibt gesund 💙 #merrychristmas #happynewyear
Ansprechpartner:
KI Aufgabenplanung im EU-Projekt Sharework
Die Automatisierte Aufgabenplanung eingesetzt im EU-Projekt Sharework.
Ein neuer IGMR-Blogeintrag wurde auf der Internetseite des EU-Projekts Sharework veröffentlicht. Es werden die Herausförderungen der Aufgabeplanung für gemischte Teams von Menschen und Roboter, sowie unsere Lösung dazu vorgestellt. Automatisierte Aufgabenplanung und eine modifizierte Version des Frameworks ROSPlan werden dafür eingesetzt. Sie finden mehr Detail im Text und im verlinkten Video des Blogposts.
Sharework-Blog:
Task Planning coordinates the actions of mobile manipulators, such as humans and robots
Ansprechpartner:
Stefan Bezrucav
KI Aufgabenplanung erklärt
Die Künstliche Intelligenz Aufgabenplanung erklärt anhand eines Industrie-Szenarios.
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.
Die Automatisierte Aufgabenplanung soll den Robotereinsatz in flexiblen Umgebungen unterstützen.
Die traditionelle Roboterprogrammierung als Teilbereich der Arbeitsvorbereitung stellt individuelle Produktionen mit kleinen Stückzahlen vor große Herausforderungen. Die Automatisierte Aufgabenplanung verspricht als Lösungsansatz die Probleme zu beheben.
Im Video wird neben der Einführung und Einordnung der Automatisierten Aufgabenplanung dargestellt, welche Schritte zur Implementierung notwendig sind und welche Vorteile durch ihren Einsatz entstehen.
Das Konzept wurde im Rahmen der Forschung am IGMR anhand einer Simulation validiert, die in den Beispielen des Videos verwendet wird.
Ansprechpartner:
