Leckage-bewusstes robotisches Greifen
Entwicklung eines Systems zur Optimierung robotischer Greifvorgänge für Vakuumgreifer. Drucksensordaten, Roboterinformationen und geometrische Daten werden genutzt, um die Greifqualität zu bewerten und die Zuverlässigkeit robotischer Handhabungsprozesse zu verbessern.
Überblick
Dieses Projekt untersucht, wie sich die Greifqualität von Vakuumgreifern aus Drucksensordaten in Kombination mit Roboter- und geometrischen Informationen abschätzen lässt — statt sich allein auf Bildverarbeitung zu verlassen.
Herausforderung
Vakuumgreifer können lautlos versagen: Eine Dichtung kann optisch korrekt wirken, während dennoch Luft entweicht — mit der Folge, dass Objekte bei der automatisierten Handhabung fallen gelassen oder falsch platziert werden.
Lösung
Drucksensordaten werden zusammen mit Roboterpose und geometrischen Informationen in eine Machine-Learning-Pipeline eingespeist, die die Greifqualität abschätzt und mögliche Leckagen erkennt, bevor ein Objekt bewegt wird.
Umsetzung
- Ausstattung einer Universal-Robots-Zelle mit Vakuumgreifer und Drucksensorik
- Erfassung von Greifversuchen über verschiedene Objektgeometrien hinweg
- 3D-bildbasierte Extraktion geometrischer Merkmale
- Entwicklung eines Machine-Learning-Modells in Python
- Experimentelle Bewertung der Greifqualitätsvorhersagen
Technologien
Galerie
Technisches Diagramm
Ergebnisse
- Platzhalter-Ergebnis — durch ein bestätigtes Projektergebnis ersetzen.
Einschränkungen
- Platzhalter-Einschränkung — durch eine bestätigte Einschränkung des aktuellen Ansatzes ersetzen.
Nächste Schritte
- Platzhalter für einen nächsten Schritt — durch eine bestätigte geplante Erweiterung dieser Arbeit ersetzen.
Verwandte Publikationen
Eine ähnliche Herausforderung?
Schicken Sie uns Ihre technischen Anforderungen, Zeichnung oder Projektidee — wir erarbeiten gemeinsam einen praxistauglichen Ansatz.